【星火X计划-实习】超长上下文大模型结构建模技术研究(J14622)

科大讯飞 合肥 / 北京 硕士

AI / 大模型 近一周新增

【课题介绍】 本课题聚焦千万级超长上下文通用大模型建模核心难题，针对当前线性注意力、稀疏注意力两大主流技术阵营的固有缺陷，围绕线性运算复杂度保障、时序位置敏感性与超长外推能力、次线性KV缓存优化三大核心主线，开展融合式注意力建模创新研究，构建高精度、低开销、强泛化的千万级长序列建模体系。 当前线性注意力路线可实现严格线性算力复杂度、彻底规避传统Transformer平方复杂度瓶颈，但存在时序位置建模精度不足、超长序列位置外推偏移、局部语义捕捉能力弱的问题；稀疏注意力路线通过自适应稀疏采样大幅降低计算开销，保留精准时序建模能力，但存在采样复杂度不稳定、极长序列缓存冗余、外推泛化上限低的缺陷。…

1、毕业时间在28届及以后，硕士及以上学历，计算机科学与技术、人工智能、电子信息、数学、自动化、高性能计算等相关专业，其他专业但具备突出研究和动手能力者同样欢迎； 2、具备扎实的机器学习、深度学习及大模型基础，熟悉 Transformer 架构、各类注意力机制核心原理与技术优劣，掌握大模型预训练、微调、推理全链路技术体

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】面向超长程任务的大模型智能体技术研究(J14621)

科大讯飞 合肥 / 北京 应届 硕士

AI / 大模型 近一周新增

【课题介绍】 随着通用大模型在深度推理、软件工程、复杂工具调用能力上的不断提升，模型正在从“完成短流程任务”迈向“可靠承担长期开放任务”。本课题围绕仓库级大型软件工程智能体、超长时程任务规划与工具使用、复杂智能体轨迹数据合成、模型自我验证与自主校准等关键技术方向开展研究，构建能够理解目标、分解任务、调用工具、从反馈中学习并在失败后自主恢复的智能体模型。 你将结合真实业务流程，研究从轨迹数据构造、监督微调、强化学习、测试时计算到在线学习的完整技术闭环；建立核心评测体系，推动 Agent 在复杂软件工程、深度研究、企业工作流等高价值场景中的规模化应用。…

1、28届及以后在读硕士及以上学历，计算机科学、人工智能、自动化、电子信息、数学等相关专业，其他专业但具备突出研究和动手能力者同样欢迎； 2、对大模型智能体具有强烈兴趣，具备扎实的大模型算法和训练基础，能够持续跟踪论文和开源项目，并将研究思路转化为可验证的实验方案，有大模型训练、数据构建研究、Agent等方向实战经验者

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】面向自主持续学习的基础大模型训练技术研究(J14620)

科大讯飞 合肥 / 北京 应届 硕士

AI / 大模型 近一周新增

【课题介绍】 我们认为未来的通用大模型不仅需要根据人类提供的数据和奖励进行训练，还需要能够主动探索环境、发现知识与技能缺口、从交互反馈中持续学习，并逐步形成自我改进和自主进化能力。 本课题围绕Reasoning RL、Agentic RL、自主持续学习与递归式自我改进等关键技术方向开展研究，探索从离线训练、在线强化学习、环境交互学习到模型自主生成目标、自主构造训练数据、自主验证和持续更新的完整技术体系，构建具备深度推理、复杂决策、长期探索和持续自我提升的下一代大模型。 你将研究从奖励建模、可验证强化学习、策略优化、过程监督，到智能体环境交互、在线学习的完整技术验证；…

1、28届及以后在读硕士及以上学历，计算机科学、人工智能、自动化、电子信息、数学、物理等相关专业；其他专业但具备突出研究和动手能力者同样欢迎； 2、对强化学习、大模型推理、智能体和自主学习具有强烈兴趣，具备扎实的大模型强化学习算法和训练基础，熟悉PPO、GRPO、OPD等常见的大模型后训练和强化学习算法，拥有大语言模型

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】原生多模态通用大模型算法研究(J14619)

科大讯飞 合肥 / 北京 应届 硕士

AI / 大模型 近一周新增

【课题介绍】 本课题聚焦通用原生多模态大模型研发中的核心技术瓶颈，围绕原生多模态模型架构、多模态数据智能治理、高效预训练与对齐、多模态理解与推理、高分辨率图像和长视频建模、大规模分布式训练优化及模型评测等核心方向，构建具备统一感知、深度理解、复杂推理和可靠生成能力的通用多模态模型体系。 针对多模态模型训练过程中存在的模态表征差异大、图文语义对齐困难、视觉信息压缩损失、多模态数据质量参差、不同模态与任务训练失衡、高分辨率及长视频计算成本高、细粒度感知能力不足、多模态幻觉突出等问题，开展系统性研究。通过协同优化模型架构、视觉编码器、模态连接模块、预训练目标、数据配比、损失权重、课程学习及分布式训…

1、28届及以后在读硕士及以上学历，人工智能、计算机科学与技术、计算机视觉、电子信息、自动化、应用数学等相关专业，其他专业但具备突出研究和动手能力者同样欢迎； 2、具备扎实的机器学习、深度学习和大模型基础，熟悉 Transformer、Vision Transformer、视觉语言模型等基本架构，了解多模态模型的主要训

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】面向超大尺寸通用LLM的预训练Infra工程(J14618)

科大讯飞 合肥 / 北京 应届 硕士

AI / 大模型 近一周新增

【课题介绍】 通用大模型预训练在LLM训练周期中占比最高，预训练效果优劣很大程度上依赖底层训练基础设施的规模、稳定性和效率。当模型尺寸迈向千亿和万亿级别，集群规模从千卡扩展到万卡甚至更大规模时，预训练框架变成一项系统工程：如何在框架层实现效率、显存和通信的均衡。研究与训练调度平台协同实现超大集群在数周乃至数月中保持稳定高效训练；研究在硬件故障频发情况下保证训练任务不中断等。本课题聚焦于构建和优化面向大模型预训练的高性能、高可用训练基础设施，为模型团队提供稳定、高效可扩展的训练工程底座。 【课题挑战】 1、结合具体结构的规模化并行方案设计：针对万亿参数模型结构信息结合训练集群体系结构，设计多维…

1、28届及以后在读硕士及以上学历，计算机、软件工程、高性能计算、电子信息、数学等相关专业，计算机体系结构、深度学习相关理论功底扎实，学业排名、科研成果、硬核竞赛表现突出者优先； 2、编程基础牢靠，熟练掌握Python，同时精通C++、CUDA二者其一，能够产出规范、高性能的工程代码； 3、掌握如下技术/知识一种：主流

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】面向超大尺寸MoE的大EP推理工程优化(J14617)

科大讯飞 合肥 / 北京 应届 硕士

AI / 大模型 近一周新增

【课题介绍】 本课题聚焦超大规模 MoE 大模型超大专家并行（EP128 以上） 场景下的核心瓶颈，围绕跨节点高带宽通信优化、动态专家负载均衡、多并行维度协同调度三大主线，构建低通信开销、高资源利用率、低尾部延迟的 MoE 分布式推理体系。 针对 EP 规模扩张带来的 all-to-all 通信拥塞、专家访问热度倾斜、跨机通信时延激增、调度与路由开销放大等核心痛点开展研究；打通路由策略、通信算法、分布式调度器、底层通信库的协同优化，建立从专家路由、流量调度、动态负载重平衡到框架层落地的完整技术方案；支撑百专家乃至上千专家规模 MoE 大模型在大规模 GPU 集群高效部署，建立面向线上业务 M…

1、28届及以后在读硕士及以上学历，人工智能、计算机科学、高性能计算、数学、电子信息等相关专业，其他专业但具备突出工程能力者同样欢迎； 2、扎实深度学习、并行计算、分布式系统基础，精通 Transformer 与 MoE 混合专家模型原理，熟悉大模型训练 / 推理分布式并行范式；熟练 C/C++ 或 Python，熟悉

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】面向大模型高效训推的算子研发与极致优化(J14616)

科大讯飞 合肥 / 北京 应届 硕士

AI / 大模型 近一周新增

【课题介绍】 算子是释放硬件算力的关键，大模型训练推理效率优化关键在于算子效率，算子效率直接决定了训推框架的整体效率。但实际训练推理中观测到的算力利用率往往远低于硬件峰值，算子效率成为制约上层大模型框架发挥硬件极限能力的关键瓶颈。如何深度挖掘硬件特性，实现算子和通信原语的高效实现与极致优化，直接决定了AI基础设施的效能。本课题专注于对大模型训推过程中的关键算子进行极致效率优化，在充分理解硬件架构基础上，通过工程师的"心灵手巧"设计、研发高效算子、优化关键算子效率，解决算力、通信、访存等关键算子瓶颈。 【课题挑战】 算子开发面临的主要挑战在于如何贴近硬件微架构，实现接近理论算力与通信带宽极限的…

1、28届及以后在读硕士及以上学历，人工智能、计算机科学、高性能计算、数学、电子信息等相关专业，其他专业但具备突出工程能力者同样欢迎； 2、具备扎实的计算机架构基础，熟练使用linux操作系统； 3、熟练使用Git、VSCode等，熟练使用Pytorch、numpy等框架； 4、对GPU/NPU等AI加速芯片的体系结构

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】大规模集群下超大尺寸模型推理性能极致优化(J14615)

科大讯飞 合肥 / 北京 硕士

AI / 大模型 近一周新增

【课题介绍】 本课面向超大尺寸通用大模型规模化的 API 服务场景，基于国产异构算力芯片构建大规模、高性能的分布式推理集群。围绕多级 KVCache、实时动态计算调度、弹性异构基础设施等核心任务，通过工程技术的持续创新，不断追求用户延迟体验、服务成本以及可靠性工程等方面的极致优化，构建高性价比的大模型 API 服务能力，加速形成普惠的token经济。 【课题挑战】 1、大规模发散流量场景下，用户请求动态变化、业务负载高度随机、异构算力瓶颈差异显著、云际异构集群间流量峰谷波动大，在保障用户体验的同时需实现跨集群、跨资源池的全局负载最优分配与潮汐弹性调度，逼近集群吞吐与资源利用率极限；…

1、28届及以后毕业的硕士及以上学历，计算机、软件工程、数学及相关专业优先；具备扎实系统基础、优秀学习能力或突出工程实践能力者同样欢迎； 2、熟练掌握C++、Python、Go等至少一种语言，具备大型工程项目开发能力，能够完成良好实现与性能优化； 3、对KVCache系统有深入理解，具备KV存储、压缩、传输、缓存复用等

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】面向通用大模型智能体强化学习的Infra工程(J14610)

科大讯飞 合肥 / 北京 应届 硕士

AI / 大模型 近一周新增

【课题介绍】 当前大模型 RL 后训练面临多模型（策略/价值/参考/奖励/验证器）并存带来的显存压力、生成回滚与梯度更新的同步等待、海量轨迹数据的传输存储开销等核心痛点；而 AgentRL 场景中，智能体需与十万级并发环境实例进行数十至上百轮交互，长程上下文累积、环境状态异构性与故障频发、推理与训练速度失配等问题进一步加剧系统复杂度。两类场景在分布式通信拓扑优化、经验流数据管道、显存感知调度、容错恢复与资源弹性等层面具有高度一致的系统挑战。本课题将针对上述瓶颈，设计统一的异步流水线架构与动态资源调度器，突破多模型混合训练与大规模环境并行的扩展限制，大幅缩短 RL 迭代周期，显著提升 GPU …

1、28届及以后在读硕士及以上学历，人工智能、计算机科学、分布式系统、数学、高性能计算等相关专业；其他专业但具备突出工程能力者同样欢迎； 2、扎实的深度学习与强化学习基础，熟悉 PPO、GRPO、DPO、REINFORCE 等后训练算法及在线/多智能体 RL 范式，深入理解 Transformer/MoE 架构与分布式

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】端到端语音底座大模型研究(J14613)

科大讯飞 合肥 / 上海 / 西安

AI / 大模型 近一周新增

【课题介绍】 本课题聚焦"端到端语音大模型"这一下一代人机语音交互的核心底座，突破当前"识别—理解—对话"级联架构在延迟、误差累积、副语言信息丢失上的固有瓶颈，构建以语音为中心、直接从声学信号完成语义理解与交互决策的统一大模型体系。课题以端到端实时语音交互大模型框架为统一建模底座，向下支撑端到端语音同传翻译与长上下文语音识别两大专项能力攻坚，形成"一个底座 + 两项深水区能力"的技术布局。 传统语音交互采用 ASR → LLM → TTS 的级联管线，存在三大结构性缺陷：一是多模块串行带来的高首包延迟与误差逐级放大；…

1、28届及以后届博士毕业生，人工智能、计算机科学、深度学习、信号处理、自然语言处理、电子信息等相关专业，具备良好的科研素养与前沿研究视野； 2、理论功底扎实，掌握深度学习与大模型核心基础理论，熟悉语音识别、语音翻译、语音交互或语音—语言多模态建模的核心原理与前沿进展，了解大模型预训练、微调、推理全链路技术体系；具备端

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】音频生成大模型研究(J14612)

科大讯飞 合肥 / 上海

AI / 大模型 近一周新增

【课题介绍】 本课题聚焦"端到端语音生成大模型"这一语音合成范式变革的核心方向，突破传统 TTS 在音质自然度、音色/韵律/情感可控性、零样本泛化、多说话人多轮交互生成上的固有瓶颈，构建以大语言模型为语义骨架、以扩散/多 token预测为声学生成引擎的端到端高保真语音生成体系。课题围绕LLM + DiT/MTP 端到端语音生成框架、通用音频生成 tokenizer、多人多轮细粒度指令语音生成三大核心主线，打造高保真、强可控、广泛化的通用语音生成大模型。本课题聚焦"发声之口"，为课题“端到端语音底座大模型研究”提供高质量语音输出能力，二者合力构成完整的端到端语音交互链路。…

1、28届及以后博士毕业生，人工智能、计算机科学、深度学习、信号处理、自然语言处理、电子信息等相关专业，具备良好的科研素养与前沿研究视野； 2、理论功底扎实，掌握深度学习与大模型核心基础理论，熟悉语音合成、音频生成、扩散模型、离散音频表征或语音—语言多模态建模的核心原理与前沿进展，了解大模型预训练、微调、推理全链路技术

挂了 5 天 读全文 →

喜欢

跳过

【星火X计划-实习】面向复杂任务的下一代Agent Harness 关键技术研发(J14623)

科大讯飞 合肥 / 北京 硕士

AI / 大模型 近一周新增

【课题介绍】 随着基础大模型能力持续提升，Agent 的核心瓶颈正在从“模型能不能做”转向“系统能不能让模型稳定、安全、低成本地完成复杂任务”。本课题，重点研究长程任务执行、上下文与记忆、可靠工具调用、状态恢复、端云协同、安全控制和 Trace/Eval，建设可扩展、可恢复、安全可控、成本可度量的 Agent 运行系统。课题将以 Coding Agent 为重点验证场景，并覆盖深度研究、数据分析、浏览器操作和企业流程自动化等真实任务，打通“理解目标—获取信息—制定计划—调用工具—验证结果—修正错误—交付成果”的完整闭环。…

1、28届及以后硕士及以上学历，计算机、软件工程、人工智能及相关专业优先，其他专业但具备突出工程能力者同样欢迎； 2、具备扎实的计算机基础和软件工程能力，熟练掌握 Rust、Python、TypeScript、Go、Java 或 C++ 中至少一种语言； 3、有真实项目经历，课程、竞赛、科研、个人或开源项目均可，能够清

挂了 5 天 读全文 →

喜欢

跳过

PMO及PMO管理岗位(J14565)

科大讯飞 合肥 5-10年 本科

AI / 大模型

1. 负责PMO（项目管理办公室）体系的建设与持续优化，包括项目管理流程、模板、工具、方法论及知识库的制定与推广。 2. 统筹管理组织内重点项目组合，开展项目立项评审、进度监控、风险预警、资源协调及交付质量评估。 3. 组织项目复盘与绩效分析，定期输出项目健康度报告、PMO运营分析报告及管理改进建议，支撑管理层决策。 4. 主导项目管理能力体系建设，包括项目经理梯队培养、认证支持（如PMP/PRINCE2）、赋能培训及胜任力建模。 5. 协同各业务部门推进跨职能项目协同机制落地，推动项目治理标准化、数字化与可视化管理。

1. 本科及以上学历，项目管理、信息技术、工商管理、工程类等相关专业优先；具备PMP、PgMP或NPDP等专业认证者优先。 2. 具备5年以上项目管理或PMO相关工作经验，其中至少3年在中大型企业担任PMO负责人、高级项目管理顾问或项目总监等角色。 3. 熟悉主流项目管理方法论（如PMBOK、Agile、Hyb

挂了 8 天 读全文 →

喜欢

跳过

嵌入式测试工程师(J14569)

科大讯飞 成都 应届 本科

AI / 大模型

1、负责教育软硬一体化产品全流程质量保障，覆盖软硬件及上层教育应用，开展专项测试，支撑产品迭代与量产交付； 2、参与需求与技术方案评审，独立开展测试设计，识别软硬件适配等测试风险，跟进问题闭环，输出产品质量报告； 3、优化测试流程、用例与工具；探索自动化、专项测试技术，应用AI工具赋能测试开发，提升测试效能。

1. 学历专业：计算机、电子信息、软件工程、自动化、通信工程等相关专业本科及以上。 2. 专业基础：熟悉Android/Linux系统架构与基本原理，熟悉底层驱动、软硬件适配基础概念；了解嵌入式测试基础流程与质量管控思路，具备测试方案设计、风险识别与问题分析的基础能力； 3. 核心能力与经验：有Android相关课程项

挂了 8 天 读全文 →

喜欢

跳过

市场经理-培训与项目策划方向(J14575)

科大讯飞 合肥 本科

AI / 大模型

1、协助前端岗位能力研究，参与调研访谈、数据整理及能力画像的初步设计，参与训战课程体系的内容研发，协助课程大纲编写、学习路径图整理及课件制作 2、协助业务经验萃取与转化，整理案例、话术、工具，输出课程素材及作战手册 3、培训运营：推进训战项目全流程运营，训前筹备、演练组织、现场助教、通关考核、训后评估 4、内容传播：参与训战项目宣传，采用线上学习、短视频、图文等形式进行内容运营，放大训战影响力 5、支持重点客户演示方案开发，协助收集竞品信息、整理演示脚本及对抗话术库

1、2027届本科及以上，教育、经管、市场等相关专业优先 2、逻辑清晰，具备结构化思考和文字归纳能力，能把复杂信息梳理成条理内容 3、沟通力好，能主动对接多部门收集信息，有访谈或调研经历者加分 4、自驱力强，抗压，能多任务协调 5、能用AI工具高效完成资料梳理与内容产出 此岗位为科大讯飞集团统一招聘岗位，人员通过简历筛

挂了 8 天 读全文 →

喜欢

跳过

AI研究算法工程师-人机交互算法方向(J14576)

科大讯飞 合肥 硕士

AI / 大模型

1. 负责人机交互（HCI）方向的前沿算法研究与技术落地，包括但不限于多模态感知（语音、视觉、手势、眼动等）、自然交互建模、意图理解与预测、交互反馈优化等； 2. 设计并实现面向智能终端、AI助手、AR/VR等场景的实时、低延迟、高鲁棒性人机交互算法方案； 3. 参与跨模态数据采集、标注规范制定及高质量交互数据集构建，支撑模型训练与效果评估； 4. 与产品、工程团队协同，完成算法从原型验证、性能调优到系统集成与线上部署的全流程推进； 5. 跟踪国内外人机交互与AI交叉领域的最新研究成果，持续推动技术创新与专利布局。

1. 计算机科学、人工智能、自动化、电子工程、人机交互或相关专业硕士及以上学历，博士优先； 2. 具备AI算法研发经验，有扎实的机器学习、深度学习基础，熟悉Transformer、Diffusion、多模态融合等主流模型架构； 3. 熟练掌握Python及主流深度学习框架（PyTorch/TensorFlow）

挂了 8 天 读全文 →

喜欢

跳过

【星火X计划】面向复杂场景的全双工多模态交互系统研发(J14501)

科大讯飞 合肥

AI / 大模型

【课题介绍】 本课题致力于研发一套面向复杂场景（智能座舱、机器人等）的全双工多模态交互系统，针对当前交互系统在多人、高噪声环境下误触发率高、对话无法自然打断、异常插话、交互体验生硬等关键问题，围绕“多模态与多通道音频流式融合”、“复杂动态声学环境鲁棒性”、“‘人人/人机’交互毫秒级判定”以及“端侧受限算力下的极低时延部署”等核心技术难题展开创新性研发。通过深度整合视觉视线、唇动特征与声纹语义等多维信息，打破传统单向唤醒机制的束缚，实现“边看边听边说、极速响应、无感打断、不乱接话”的拟人化自然交互体验。 【课题挑战】 1、端到端多模态流式数据融合与极致低时延的冲突：全双工交互要求响应时延低于 …

1、24-27届博士毕业生，人工智能、计算机科学、深度学习、应用数学、自然语言处理、电子信息等相关专业，具备良好的科研素养与前沿研究视野； 2、理论功底扎实，精通深度学习与大模型核心基础理论，熟悉线性注意力、稀疏注意力的核心原理与技术优劣，掌握大模型预训练、微调、推理全链路技术体系，了解大规模模型训练的各类并行调度优化

挂了 8 天 读全文 →

喜欢

跳过

【星火X计划】跨模态医学影像大模型研究(J14500)

科大讯飞 广州 1-3年

AI / 大模型

【课题介绍】 本课题聚焦临床真实场景下医学影像多模态大模型核心技术研发，针对CT、MRI、DR等多类型医学影像数据，联合影像报告、病历体征等多维度信息，研究影像跨模态统一表征、临床推理、智能诊断与自适应泛化技术。当前通用多模态大模型存在影像领域知识缺失、影像特征捕捉不足、临床逻辑推理薄弱、场景泛化性差等问题，难以满足精准诊断、病灶筛查、预后评估等临床刚需。课题将围绕医学影像多模态数据对齐、降噪、影像思维链推理机制、长尾病灶自适应学习、影像诊断智能体构建四大核心方向开展系统性研究，突破通用大模型在医学影像领域的落地瓶颈，搭建集高质量数据构建、领域预训练、指令微调、临床推理优化、智能交互诊断于一…

1、24-27届博士毕业生，人工智能、计算机科学、电子信息、自动化、模式识别、生物医学工程、医学影像工程、深度学习等相关专业，具备扎实的科研素养与医疗AI前沿研究视野； 2、精通深度学习、大模型基础理论与多模态建模核心技术，具备1年以上多模态大模型研发经验、2年以上医学影像AI模型研发经验，熟悉主流医学影像数据特征与诊

挂了 8 天 读全文 →

喜欢

跳过

【星火X计划】高可信低幻觉大模型技术研究(J14499)

科大讯飞 合肥

AI / 大模型

【课题介绍】 本课题聚焦大模型在复杂推理任务（如数学推导、代码生成、步骤批改等）中准确度不足、存在幻觉与逻辑跳跃的核心难题。针对当前大模型强化学习中基于结果监督（ORM）存在的奖励稀疏、信用分配困难等技术瓶颈，围绕基于Harness的生成策略优化、过程监督奖励模型（PRM）强化学习、以及推理期算力扩展三大核心主线，开展高可靠、强逻辑推理能力的融合优化建模研究。 当前主流的ORM范式虽然易于获取数据，但在长链路推理中极易出现“过程错误但结果碰巧正确”的虚假关联，且无法为模型提供细粒度的纠错引导，导致强化学习陷入奖励稀疏陷阱；…

1、24-27届博士毕业生，人工智能、计算机科学、强化学习、深度学习、自然语言处理、应用数学等相关专业，具备良好的科研素养与前沿研究视野； 2、理论功底扎实，精通大模型基础理论，深入理解强化学习（GRPO、PPO等）与奖励模型（RM）核心机制；对过程监督（PRM）、搜索解码（MCTS等）及解决强化学习奖励稀疏问题有深入

挂了 8 天 读全文 →

喜欢

跳过

【星火X计划】基于跨专科、自适应的医疗复杂循证推理技术的“超级医生助手”研发(J14498)

科大讯飞 合肥 / 北京

AI / 大模型

【课题介绍】 本课题以“超级医生助手”为建设目标，核心攻关跨专科自适应的医疗复杂循证推理技术，围绕医疗复杂任务动态规划、长上下文循证推理、医疗多模态融合决策、跨专科智能体协同推理四大核心主线，构建覆盖基层及等级医院辅诊、个性化治疗方案、急重症快速决策、多学科疑难会诊等场景的医疗复杂循证推理技术体系。 针对优质医疗资源刚需缺口巨大、疑难重症精准诊疗难、专家智慧难以规模化复制等问题，当前医疗AI在多学科疑难会诊、复杂合并症诊断、急重症快速决策和跨专科协同诊疗等场景无重大技术突破，诊疗助理产品仍停留在单一环节的浅层应用辅助，整体处于“专科割裂、人工串联”的状态，亟需构建“诊疗规划-长文循证-模态融…

1、24-27届博士毕业生，人工智能、计算机科学、深度学习、自然语言处理、生物医学工程或应用数学等相关专业，具备良好的科研素养与前沿研究视野； 2、理论功底扎实，精通深度学习与大模型核心基础理论，熟悉 Transformer 架构、长上下文注意力机制、强化学习（RLHF/GRPO）与过程监督（PRM）核心原理，掌握大模

挂了 8 天 读全文 →

喜欢

跳过