【日常实习】生命世界模型算法实习生

1、参与下一代生命基础模型的算法设计、预训练、后训练与持续评测，面向刻画生命状态建模目标构建基础模型； 2、面向长时序、多模态医疗健康数据（电子病历、医学影像、基因组学、可穿戴设备等），研究表征学习、状态预测、动作条件建模与规划等关键问题； 3、探索长期健康预测、不良事件预警、风险建模、因果推断及不确定性量化，提升模型对复杂健康过程的理解、预测与反事实推理能力； 4、建设医疗基础模型的高质量数据与专业评测体系，围绕真实临床问题验证算法效果，与医学专家协作推动持续迭代； 5、跟踪 AI4Science、基础模型等前沿方向，探索医疗领域的Scaling Law 与能力涌现。

1、2027年及以后毕业的在校生，计算机、人工智能、数学、统计、生物医学工程、生物信息学等相关专业，硕士及以上学历； 2、扎实的机器学习与深度学习基础，在生成模型、强化学习、多模态学习、时序建模或图神经网络中至少一个方向有深入研究； 3、熟练使用 Python 和 PyTorch，具备良好的算法实现、实验设计和数据分析能力； 4、对 Scaling Law、Representation Learning、World Model、因果推断等基础问题有独立思考和研究热情； 5、具备跨学科协作能力，能够与医学专家有效沟通，将临床需求转化为可研究的算法问题。 加分项： 1、在 NeurIPS/ICML/ICLR/ACL/MLHC 等国际顶会发表过高质量论文； 2、有 AI4Science、医疗信息处理、临床预测建模、时间序列或因果推断相关研究或项目经历； 3、有处理大规模电子病历、医学影像或基因组学数据的实战经验； 4、在医学AI相关竞赛中取得优异成绩。