千问事业部-运动健康 Agent 算法工程师-杭州

基于智能手表、手环等穿戴设备的多模态生理与运动指标，构建运动健康 Agent，实现对用户健康数据的个性化解读、运动与健康计划生成、实时运动指导，并通过主动服务持续、闭环地管理用户健康。打造自然流畅、有温度、能办事的 AI 健康教练体验。

岗位职责

● 研发基于大模型的健康解读与对话能力：将 PPG/ECG/IMU 等多传感器指标（心率、心率变异性、血氧、睡眠、压力、运动负荷等）转化为用户可理解、可信赖、循证的个性化健康洞察。

● 主导或参与大模型后训练与对齐迭代（SFT / RLHF / DPO / Online RL），建设健康场景的数据体系与评测基准，持续提升模型在健康解读、教练对话、Agent 任务执行上的效果。

● 搭建 Agent 效果评估体系（准确性、可解释性、安全合规、主动服务转化与用户依从性），并驱动持续迭代。

● 与硬件、产品、算法、医学/运动科学专家跨团队协作，推动能力在设备端与云端稳定落地。

岗位亮点

● 负责运动健康 Agent / AI 教练核心方向从 0 到 1 建设，是「穿戴算法 + 大模型 Agent + AI 教练」三合一的稀缺复合岗位。

● 参与穿戴健康产品从算法到商业化落地全过程，AI 健康教练是行业前沿方向，打造「专业降维普惠」的运动健康体验。

● 技术空间大：涉及模型后训练、多模态融合、Agentic 范式等前沿技术，可对接运动科学/医学专家资源。

● 计算机、人工智能、生物医学工程、信号处理、自动化、运动科学等相关专业，硕士及以上（负责人岗位需 5 年以上算法研发经验）。

● 扎实的机器学习/深度学习基础，具备信号处理、时序数据建模或模式识别的实战经验。

● 熟悉 PPG/ECG/IMU 等传感器数据处理与融合，有心率、睡眠、运动状态、健康趋势等健康指标建模经验。

● 深入理解 LLM 应用范式，具备 Prompt 工程、RAG、Function Calling / Tool Learning、记忆机制、多轮对话等Agent相关经验。

● 了解大模型后训练与对齐技术（SFT / RLHF / DPO / RL 等），有数据体系建设或模型效果优化的实操经验；熟悉 PyTorch 及主流训练框架（如 Transformers / DeepSpeed / Megatron 等）。

加分项

● 有智能手表、手环、健康设备等穿戴产品的算法量产落地经验。

● 有运动医学/健康管理领域知识，有基于大模型的健康问答、主动健康管理、个性化推荐或主动服务相关落地经验。

● 在 NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、AAAI 等顶会或顶刊有论文发表。