高级算法研究员岗位职责

岗位职责：
1、负责算法平台建设，包括平台的算法框架设计，优化和工程落地；
2、负责基础算法组件的开发，如特征计算、模型训练、模型预测、存储计算等；
4、配合业务部门完成业务落地，验证算法效果和持续优化；
5、负责行业算法方向的技术研究，相关论文和专利编写。
岗位要求：
1、本科及以上学历，计算机、数学、统计相关专业优先；
2、5年及以上ai算法相关经验；
3、掌握常用算法和模型，如分类、回归、聚类、深度学习等，有实际业务场景应用案例者优先；
4、了解算法在实际业务中的应用，有基础开发能力，熟悉C++/Python,熟悉Linux优先；
5、责任心强，有自驱力，优秀的逻辑思维、沟通能力、团队协作能力。

岗位职责

1. 负责多肽/环肽/大环肽从头AI设计全链路算法研发与落地，覆盖序列生成、3D构象生成、靶点结合优化、成药性优化，支撑多肽药物管线研发。
2. 搭建并迭代多肽专属AI模型体系，包括蛋白语言模型（PLM）微调、3D几何扩散生成模型、等变GNN，针对多肽柔性构象、环化约束、非天然氨基酸等核心难点优化模型能力。
3. 结合全原子分子动力学模拟（MD）、自由能计算（FEP/MM-PBSA），对AI生成的多肽候选分子进行构象采样、亲和力精筛、假阳性过滤，建立“AI粗筛+物理精算”的双层筛选体系。
4. 构建多肽多目标优化算法，针对靶点亲和力、溶解度、抗酶解稳定性、细胞膜透性、可合成性、毒性等成药性指标，实现多约束下的*优多肽分子生成与迭代。
5. 推进干湿实验闭环迭代，对接湿实验研发数据，完成数据集清洗、模型迭代优化，持续提升AI设计多肽的实验成功率，落地可推进临床的多肽候选分子。
6. 跟进AI制药、计算生物领域前沿技术，完成模型调研、复现、二次开发与工程化落地，沉淀可复用的多肽AI设计工具与算法模块。
任职要求

学历背景
硕士及以上学历，计算机、人工智能、计算生物学、计算化学、生物信息学、结构生物学等相关专业；博士优先，有多肽/大环分子AI设计落地经验者优先。
核心技术能力
1. 精通深度学习基础，熟练使用PyTorch框架，掌握Transformer、GNN、扩散模型等核心算法原理，具备模型训练、微调、二次开发能力，不局限于开源模型推理调用。
2. 熟练掌握蛋白/多肽AI核心模型体系：精通ESM-2、ESMFold等蛋白语言模型微调优化，熟练运用RFdiffusion、ProteinMPNN完成多肽3D骨架生成、序列逆折叠，掌握EGNN等变几何网络建模优先。
3. 具备AI+分子模拟交叉能力，熟悉全原子分子动力学模拟（GROMACS/AMBER）、构象增强采样，掌握MM-PBSA、FEP自由能计算，能够独立完成多肽分子物理层面的验证与优化。
4. 熟悉多肽药物基本特性，了解环肽、大环肽结构约束、非天然氨基酸修饰、多肽成药性规则，有多肽ADMET属性预测、虚拟筛选经验者优先。
5. 熟练使用RDKit等分子处理工具，具备数据集构建、数据清洗、模型评估、多目标优化（RL/Pareto）相关实战经验。

主要职责:
1.参与大模型的预训练和后训练工作，运用包括 SFT、Instruction Tuning 等方法。
2.构建混合微调范式，如基础指令微调（SFT）、领域偏好学习（DPO）、多目标强化学习（PPO）。
3.负责 RAG 架构的设计与实现，优化检索系统和生成模型，设计多模态检索增强的混合索引策略和复杂推理链路。
4.研究大模型与知识图谱的动态交互机制，设计并实现融合 MoE 专家系统、RAG 增强检索与强化学习的混合架构系统。
5.参与构建支持百亿参数实时推理的工程化框架。
职位要求:
1.教育背景：计算机科学、人工智能、数据科学或相关领域的本科及以上学历。
2.技术能力：
2.1熟悉大模型的预训练和后训练方法，包括 SFT、Instruction Tuning 等。
2.2精通 RAG 架构的设计与实现，具备检索系统和生成模型的优化经验。
2.3熟悉主流大模型框架（如 Transformer、BERT 等）和深度学习工具（如 TensorFlow、PyTorch 等）。
2.4具备良好的编程能力，熟练使用 Python、SQL 等编程语言。
2.5能够设计混合架构系统，融合 MoE 专家系统、RAG 增强检索与强化学习，构建支持百亿参数实时推理的工程化框架。
3.加分项：
3.1有大模型相关项目经验，尤其是在 RAG 架构搭建、检索系统优化或生成模型调优方面有实际经验。
3.2有汽车行业或相关领域的大模型应用经验者，掌握稀疏激活、动态路由技术，有千亿参数模型分布式训练经验。
3.3创新参数高效训练方法，研发适配专业场景的 Dynamic LoRA 算法，基于 vLLM 的推理加速引擎，结合 PageAttention 内存管理技术。
3.4精通 RLHF 全流程实现，具备多目标奖励模型设计与课程学习策略开发能力。
3.5熟悉 vLLM/TensorRT-LLM 等框架，掌握 CUDA 内核优化与显存管理技术。
3.6具备大模型服务化（如 Triton 推理服务器）与边缘端部署（Jetson 平台）经验。