千问事业部-千问医疗对话大模型算法专家-杭州\北京

1. 负责千问医疗对话大模型的算法研发与业务落地，建设覆盖文字、图片、文档、语音及视频的统一对话能力，支持健康咨询、辅助问诊、报告解读、用药咨询及健康管理等场景。
2. 建设医疗对话核心能力，包括用户意图理解、多轮上下文建模、主动追问与澄清、对话状态与轮次决策、长短期记忆、个性化表达及复杂任务推理。
3. 优化实时语音/视频 Live 交互体验，重点解决流式理解与生成、语义端点判断、轮次管理、用户打断与续说、低延迟响应，以及语音、视觉与文本信息的一致性问题。
4. 负责模型后训练与对齐优化，通过 SFT、偏好优化、强化学习、Prompt/Skill 优化等技术，持续提升回答的准确性、完整性、稳定性、自然度和医疗安全性。
5. 建设医疗 Agent、Agentic Search 与知识增强能力，包括查询理解与改写、任务拆解、搜索规划、多跳检索、Long Context、Memory、RAG、Tool Use、证据整合、来源验证及反馈纠错，推动搜索、计算、知识库和医疗服务工具与对话流程形成闭环。
6. 建设覆盖“数据—训练—评测—上线—反馈”的持续迭代体系，包括对话与搜索轨迹构造、样本标注、难例挖掘、合成数据、离线 Benchmark、医学专家评审及线上 A/B 实验。
7. 建立医疗对话核心效果指标，围绕任务完成率、用户满意度、有效对话深度、搜索与引用准确性、医疗安全、实时交互延迟及系统可用性持续优化产品效果。
8. 与医学专家、产品、工程、语音视觉、搜索及基础模型团队紧密协作。本岗位重点负责统一的对话智能和用户体验，无需单独承担底层 ASR、TTS、视觉模型及通用 Agent 基础设施建设。

1. 计算机、人工智能、自然语言处理、机器学习等相关专业本科及以上学历，具备大模型训练、后训练或 Agent 算法研发经验，完整参与过至少一个“数据构建—模型训练—效果评测—部署上线—持续迭代”的项目闭环。
2. 具备扎实的大模型后训练能力，熟悉 SFT、Preference Learning、RLHF/RLAIF 及 Online RL，在 PPO、GRPO、DAPO、REINFORCE++ 等技术路线中至少有一项深入实践。
3. 具备 Agentic Search、Agentic RL 或多轮 Agent 训练经验，能够围绕搜索、浏览及多步工具调用任务开展模型级或策略级优化，包括：

• 构建可交互的搜索、工具调用或任务执行环境；
• 设计和生产多轮 Agent 轨迹、Online Rollout 及训练数据；
• 设计 Outcome Reward、Process/Trajectory Reward、Reward Model 和 Verifier；
• 处理跨轮次、跨工具的长程 Credit Assignment；
• 优化模型的搜索策略、工具选择、失败恢复和任务终止决策；
• 解决稀疏或延迟奖励、探索效率、Reward Hacking、训练不稳定及策略退化等问题。

4. 具备开放式医疗对话奖励体系建设能力，能够根据任务特点组合使用 Verifiable Reward、Outcome Reward、Process/Trajectory Reward、Reward Model 及 LLM-as-Judge；能够将医学事实性、证据一致性、追问质量、任务完成度、安全风险和用户体验转化为可训练、可评测的多目标信号。
5. 如果对 Live 方面感兴趣，理解 Chat 与 Live 共享的对话智能体系，掌握 Live 特有的流式多模态技术，包括语义端点判断、全双工轮次管理、用户打断与续说、流式理解与生成、音视频文本对齐，以及效果、时延和成本的联合优化。
6. 有高水平论文、重要开源项目，或能够量化说明模型能力及线上业务指标提升的规模化落地成果者优先。