算法开发工程师-生命语言大模型(J24868)

职位描述

1.负责生命语言通用大模型研发，研究超大规模多组学数据融合技术；

2.构建生物语言基础大模型及其面向前沿科学问题、新兴生物产业和临床等领域的应用；

3.探究与疾病或复杂表型相关的跨组学分子关系，实现致病性变异预测、药物靶点识别、序列（如蛋白质）设计及二级结构推断等。

任职要求

1.生物医学工程、计算生物学，计算机科学等相关专业硕士以上学位，博士优先。

2.精通Pytorch、Transformers等框架，精通常见Attention架构及优缺点。熟悉常见大语言模型（LLM）框架及训练策略，包括BERT，GPT，Llama 2, MoE等，精通常见token生成模型，熟悉面向生物序列数据的tokenization策略。

3.熟悉常用的位置编码策略，熟悉面向生物长序列数据的处理策略。精通LLM模型微调技术（如SFT、LoRA、qLoRA等）。熟悉融合领域知识库的模型增强技术，熟悉RAG、Agent等技术，熟悉向量数据库。

4.熟悉基因组、转录组、蛋白组等的测序原理及数据分析技术，熟悉病理影像处理方法和模型（如ViT，SAM等）。

5.熟悉常见的多组学（多模态）数据融合技术，了解常用开源组学数据库及其使用。了解面向生物语言大模型的下游科学问题及应用。

6.英语读写能力强，善于团队合作，有LLM开发经验及生物信息分析背景优先。