健康领域研究工程师/研究科学家
岗位摘要
端到端负责一个高杠杆研究方向：判断哪些问题重要及如何衡量，设计并运行实验，并将成功的工作整合进前沿模型；开发可扩展方法，覆盖预训练、中期训练、强化学习和后训练，以提升健康推理、知识、可靠性、校准和行为
岗位职责
- 端到端负责一个高杠杆研究方向：判断哪些问题重要及如何衡量，设计并运行实验，并将成功的工作整合进前沿模型
- 开发可扩展方法，覆盖预训练、中期训练、强化学习和后训练，以提升健康推理、知识、可靠性、校准和行为
- 构建并研究基于真实健康问题的强化学习环境，理解哪些数据和训练设置能带来稳健、可泛化的改进，而不仅仅是更高的基准分数
- 创建有意义、可信且未饱和的评估，以判断模型是否在真正对患者和临床医生重要的事项上变得更好
- 推进健康领域新的0→1能力，这些能力可能随着模型智能和测试时计算能力的提升而产生更大影响
- 开发能够处理纵向、多模态健康数据的模型和智能体，以产生有用预测、发现新的科学洞见，并支持更好的个体和群体层面决策
- 与研究人员、工程师、临床医生和产品团队紧密合作，将健康能力带入数亿人使用的模型和产品中
- 帮助证明AI能改善真实健康结果，而不仅仅是能给出令人印象深刻的答案或演示
任职要求
- 深切关心利用日益强大的人工智能改善人类健康，并认真对待安全部署的责任
- 在机器学习或AI研究方面拥有非凡的过往成绩，并在至少一个重要方向具备推动前沿的深度：预训练、强化学习/后训练、评估（不限于健康领域）；或在相关前沿健康/生物医学AI问题上具备深厚积累
- 是动手实践的建设者：能够设计实验、编写和调试代码、直接处理数据和训练基础设施，并快速从想法推进到证据
- 能够从0→1承担重要且定义不明确的问题：识别正确的下注点，构建测试所需的一切，并推动其实现可衡量的改进
- 具备技术深度以推动预训练、强化学习/后训练或评估的前沿；或在开发前沿生物医学AI能力方面有真实深度
- 有医疗健康经验会有帮助，但并非必需；研究卓越性、速度、主人翁意识和使命一致性最重要
- 能够在旧金山工作，并适应每周3天到办公室的混合工作模式
福利待遇
- 采用混合办公模式，每周到办公室工作3天
- 为新员工提供搬迁协助