研究型实习生-多模态大模型算法工程师

阿里巴巴达摩院医疗AI团队，面向多模态医疗大模型的前沿研究与应用落地，旨在构建能够理解和推理不同医疗模态信息（影像、文本、临床结构化数据等）的通用智能系统。 研究方向包括但不限于： ● 多模态医疗大模型的架构设计、训练与优化 ● 医学影像（CT/MRI/超声、病理切片等）与医学文本（病历、检验报告等）的跨模态表示学习，多模态对齐，知识图谱增强 ● 医疗领域的视觉‑语言模型（VLM）、医学版GPT及多模态融合方法 ● 面向诊断与治疗决策的推理型模型和知识增强大模型 ● 少样本/零样本医疗任务泛化、可解释性与可信AI 我们拥有： ● 海量高质量、多模态临床数据（影像+文本+结构化信息） ● 充足算力资源（GPU不限，集群规模支持超大模型训练） ● 与国内外顶级医院、知名医学专家的长期科研合作 ● 在顶级会议与期刊（Nature子刊、TMI、MICCAI、CVPR、NeurIPS等）的高影响力成果 这是一个将AI大模型与医疗健康结合、面向未来的研究机会。

• 海内外知名高校在读博士、硕士（优秀本科生亦可）。

• 在人工智能/计算机视觉/自然语言处理/多模态学习相关领域具备扎实的理论与实践基础。

• 熟练掌握 Python 及主流深度学习框架（PyTorch、JAX等）；

• 熟悉多模态模型架构（如 Vision-Language Models、Transformer 系列、LLM、CLIP、BLIP 等）或大型模型的训练与微调方法。

• 在多模态医疗AI、视觉‑语言模型、医疗大模型等方向以第一作者发表过顶会/顶刊论文（ICCV、CVPR、ECCV、NeurIPS、ICML、ICLR、TPAMI、MICCAI、IPMI、TMI、MedIA 等） ● 有医疗AI领域大模型应用（诊断、三维可视化、自动报告生成、多语言医学对话等）项目经验 ● 有超大规模模型训练、分布式训练、模型压缩/加速经验 ● 具备良好的独立科研能力、批判性思维和问题分析能力，对探索未知和解决医学实际问题充满兴趣。