生成式人工智能及数据首席科学家

主要职责：

• 负责将商业化、医学及生命科学相关业务痛点转化为清晰的机器学习或生成式 AI 技术路径、产品需求和中长期能力路线图。

• 深入商业化、医学及生命科学业务场景，与业务团队共同澄清高价值问题，将模糊需求快速转化为可执行的 AI/ML 技术方案，并通过原型开发、PoC、业务验证和生产部署实现端到端交付。

• 主导企业级知识库、检索增强生成（RAG）、智能搜索、记忆系统及可复用数据管道建设，覆盖知识架构设计、文档处理与索引策略、元数据与权限管理、数据资产复用、评估集建设、质量监控、内容治理及持续运营机制。

• 负责生成式 AI 应用的算法原型设计、效果调优、模型评估和能力迭代，结合大语言模型、提示词工程、知识图谱、推荐系统、因果推断、深度学习或多智能体框架等技术，并在准确性、延迟、成本、可追溯性和用户体验之间做工程权衡，形成稳定、可扩展、可追溯的企业级解决方案。

• 建立企业级 AI 工程化与标准化框架，包括模型评估指标体系、精调流程、部署与监控规范、质量追踪、风险控制和合规评估方案，确保 AI 能力在医药行业场景中安全、合规、稳定地运行。

• 与业务、数据、工程、IT、合规、法务及外部供应商紧密协作，管理跨职能团队预期和交付节奏，向高层清晰传达技术价值、业务影响和投资回报（ROI），推动 AI 文化和标准化工作流程在业务端落地。

基本要求：

• 硕士及以上学历，计算机科学、人工智能、机器学习、数据科学、统计学、数学、信息管理或相关专业优先。

• 5年以上人工智能、机器学习、生成式 AI、数据科学、企业级 AI 产品或平台工程相关经验。

• 具备扎实的前沿算法与模型能力，熟悉大语言模型（LLM）应用及微调方法，包括监督微调（SFT）、强化学习（RL/RLHF）、提示词工程、多智能体协同框架，并了解知识图谱、推荐系统、因果推断、深度学习、多模态 AI 等交叉技术。

• 具备生产级 AI 工程化和标准化能力，熟悉模型评估指标、精调流程、数据管道、知识库与记忆系统设计、部署监控、质量治理、可追溯性管理及生产级系统稳定性要求。

• 具备优秀的业务理解与技术翻译能力，能够将复杂业务问题拆解为可执行的功能、数据需求和系统方案，平衡技术投入、业务价值、成本效率和投资回报（ROI），并能整合内外部数据资源与合作伙伴生态。

• 具备优秀的跨职能项目管理、沟通表达和高层影响力，能够协调业务、数据、工程、合规、法务及供应商团队，在复杂环境中建立标准化流程，推动 AI 文化落地，并持续提升团队创新能力。

理想要求：

• 具备医疗、生命科学、医药商业化、咨询或企业级数字化转型经验者优先。

• 具备从算法原型、效果调优、工程部署到持续迭代的完整项目经验者优先。