人工智能算法研究岗

Job description

健康感知算法研究

• 基于摄像头/毫米波雷达/座椅传感器/ECG的心率、呼吸频率、心率变异性（HRV）、疲劳指数、压力水平等生理参数提取算法。

医疗垂类大模型应用

• 将多模态生理数据转化为自然语言健康摘要、风险解读与可解释性建议，构建端云混合推理架构。

AI健康干预算法

• （1）设计基于多源健康数据的 风险分级模型（低/中/高危），定义不同等级对应的干预触发条件与动作库。 （2）开发 个性化干预策略引擎，结合用户画像（年龄、基础疾病、历史数据）及实时状态，动态推荐干预措施 （3）探索 强化学习/上下文多臂老虎机 等算法，持续优化干预策略的有效性与用户接受度（基于用户反馈、生理指标改善程度）。 （4）设计并实现 干预效果评估闭环（如干预前后HRV改善、主观疲劳评分变化），用于算法迭代。
• 工程落地 （1）将感知算法、大模型推理、干预策略引擎封装为可部署的SDK，适配车规级芯片。 （2）与座舱功能开发、产品经理协作，定义算法输入输出接口及干预动作的具体执行方式。

一、硬性条件

• 硕士及以上，计算机、人工智能、生物医学工程、自动化等相关专业，3年以上AI算法落地经验。
• 精通Python及至少一种深度学习框架（PyTorch/TF）。

具备以下至少两项实战经验

• （1）生理信号处理（PPG/ECG/BCG）或基于非接触传感器的生理测量； （2）大模型微调（LoRA/QLoRA/P-tuning）与部署； （3）健康/推荐系统中的决策算法（规则引擎、强化学习、贝叶斯优化等）。 （4）了解医疗数据隐私合规（脱敏、差分隐私、联邦学习基础）。

二、加分项

• 有主动健康干预产品（如智能座舱减压系统、数字疗法APP、康复机器人）开发经验。
• 熟悉汽车座舱环境控制接口（空调、座椅、音响、香氛）或CAN信号控制。
• 曾发表过生理信号处理、医疗AI、强化学习相关论文。
• 了解ISO 26262功能安全对算法决策的冗余要求。