大模型算法专家 - Query理解与规划方向

该职位来源于猎聘 【岗位职责】 1、复杂Query理解与拆解： 负责医疗场景下用户复杂提问（Query）的深度语义理解。利用CoT（链式思维）、ToT（思维树）等技术，将复杂的临床诊疗问题拆解为可执行的子任务序列（Planning）。 2、Agent规划与调度： 设计并优化基于LLM的Agent决策机制（如ReAct框架），负责Query重写（Rewrite）、意图路由（Router）以及各类医学工具/知识库（检索工具、药典库、指南库、计算器等）的精准调度与参数填充。 3、搜索相关性优化： 结合医疗知识图谱，通过Query扩展、实体链接等手段，优化RAG链路中的检索召回质量，解决长尾医疗问题的语义匹配难题。 4、模型微调与迭代： 针对Query规划场景，构建高质量的SFT（监督微调）数据和RLHF（人类反馈强化学习）链路，提升模型在指令遵循、逻辑推理和拒识（风控）方面的能力。 5、Bad Case归因与体验提升： 深入分析“幻觉”或答非所问的Case，从Query规划层面提出改进方案，提升医生用户的搜索满足度（Sat）。 【职位要求】 学历背景： 计算机、人工智能、数学等相关专业硕士及以上学历，3年以上NLP或搜索推荐算法工作经验。 核心技术： 1、深刻理解Transformer架构及主流开源大模型（Llama, Qwen, Baichuan等）； 2、精通Prompt Engineering，熟悉LangChain/AutoGPT等Agent框架原理； 3、在意图识别、命名实体识别（NER）、语义匹配等NLP任务上有扎实的落地经验。 4、RAG/搜索经验： 熟悉搜索引擎架构，对Query Analysis（QA）模块有深入研究，了解倒排索引、向量检索及混合检索原理者优先。 5、工程能力： 熟练掌握Python，熟练使用PyTorch/TensorFlow等深度学习框架，具备优秀的代码风格和工程落地能力。 6、业务Sense： 对解决实际问题充满热情，具备良好的逻辑思维能力和跨团队沟通能力。 【加分项】 1、医疗AI背景： 有医疗NLP、电子病历处理、医疗知识图谱构建经验者极佳。 2、Agent实战： 有复杂的Agent系统（如Tool Learning、Multi-Agent Collaboration）设计与落地经验者优先。