朗坤科技

1.与业务专家及AI解决方案与应用开发专家共同定义算法问题、输入输出、基线及验收指标，选择适合任务的机器学习、深度学习或大模型方案。 2.参与数据采集规范、清洗、标注和质量检查，管理数据版本，合理划分训练、验证与测试数据，控制数据泄漏及评估偏差。 3.根据岗位主方向开展特征工程、模型训练、微调或领域适配，提高准确性、鲁棒性及在实际业务中的可用性。 4.承担选定的领域任务，如生物医药知识理解、分子或蛋白质相关预测、生物制造过程预测、异常检测及质量分析。 5.建立独立测试集、误差分析和回归评测机制，与领域专家验证关键结论，记录模型局限和失效场景。 6.根据项目规模优化训练流程，采用合适的多卡训练、混合精度、检查点及实验管理方式，提高迭代效率和可复现性。 7.向应用及运维团队交付模型、代码、依赖环境、输入输出规范和评估报告，配合Token优化专家验证压缩与加速后的效果。 8.跟踪上线反馈、数据变化和模型效果退化，开展数据补充、错误样本分析与模型更新，沉淀可复用算法组件。

1.计算机、人工智能、数学、统计学、生物信息学等相关专业本科及以上学历。 2.熟练使用Python及PyTorch等主流框架，具备机器学习、统计分析和实验设计基础，能够独立完成训练与评估。 3.在大模型领域适配、检索排序、多模态、生物信息或分子建模、工业时序分析等至少一个方向具备实际项目能力。 4.掌握数据处理、数据集划分、基线设计和误差分析方法，能解释指标提升原因并识别效果高估与泛化问题。 5.具备可维护代码、实验记录和模型交付能力，能够在明确软硬件环境下复现实验，支持后续部署和问题定位。 6.能够与生物研发、生产工艺或业务专家共同定义问题；生物科技方向应具备相应领域基础或可验证的跨学科合作经历。 7.具备英文论文及技术资料阅读能力；有多卡训练、真实业务落地、开源贡献或高质量科研成果者优先。