基因模型研发工程师

核心模型研发：负责基因组大模型的架构设计与算法创新，探索前沿AI/ML技术与基因组学的深度融合，重点攻克长序列建模、稀疏标注、多模态数据融合等核心难题，持续优化模型性能与训练策略。

工程系统建设：搭建或优化支撑大规模模型训练与推理的高性能、可扩展的工程系统，包括分布式训练框架和高效数据预处理流水线，构建模型服务化平台与自动化运维流程，保障研发与落地的高效、稳定、可扩展。

数据策略与实验迭代：深入分析WGS、WES、scRNA-seq、表观基因组等多组学数据，设计并执行高质量的训练数据策略，驱动模型持续迭代。

跨领域协作与落地：与生物学家、临床专家紧密合作，将基础模型能力转化为解决实际生物学问题的工具、API或应用模块，推动前沿研究成果在真实场景中的转化与落地。

计算机科学、人工智能、生物信息学、计算生物学、统计学、应用数学等相关专业硕士及以上学历。

具有基因模型相关领域研发经验者优先；具备大型深度学习模型（特别是NLP或基因组相关模型）的研发、训练或调优经验者优先；有生物信息学分析、多组学数据挖掘或计算生物学项目经验者优先。

精通Python，熟练掌握PyTorch、TensorFlow、JAX等至少一种主流深度学习框架，具备扎实的算法与数据结构基础及优秀的编码能力；具有处理海量数据和复杂计算任务的经验，熟悉分布式计算、高性能计算或云计算环境；对软件工程最佳实践和系统设计有深刻理解，能够构建稳定、高效、可维护的工程系统；对机器学习、深度学习、概率图模型等有深入理解，能够跟踪并复现领域前沿工作。

在顶级会议或期刊发表过相关论文，或有开源大型AI项目的贡献经验，或熟悉基因组学常用数据库、工具及文件格式者优先。

具备解决复杂技术与科学问题的能力；对AIforScience充满热情，能够持续关注并学习跨学科的前沿技术动态；拥有出色的中英文技术沟通与表达能力；具备较强的执行力、责任心及团队协作能力。