顶尖应届-运动健康算法工程师（大模型）-可穿戴

Job description

多模态数据建模与表征学习

• 构建涵盖用户生理信号（如心率、呼吸）、运动数据（如步频、速度）与生活作息的多模态数据体系，开展数据清洗、对齐与标准化处理，设计面向时序与多模态融合的表征学习方法，支撑大模型训练与跨模态理解能力提升；

领域大模型设计与训练

• 基于运动健康领域知识，设计融合时序建模与语义理解能力的预训练大模型，探索多模态融合与个体长期建模方法，支持健康状态刻画、行为理解与意图识别，并参与模型架构与训练策略优化；

健康状态分析与趋势预测

• 构建面向个体的健康评估与发展趋势预测模型，实现对当前生理状态的精准分析及中短期风险预警，推动从指标计算向健康理解与推理的建模范式升级；

Agent系统设计与实现

• 基于大模型构建运动健康智能体，设计具备规划（Planning）、记忆（Memory）与工具调用（Tool Use）能力的决策机制，支持多轮交互与动态决策，实现从被动分析向主动健康管理的能力演进；

个性化干预与建议生成

• 结合大模型推理能力与领域知识库，构建多维度个性化运动健康建议生成机制，覆盖运动计划、恢复策略与生活方式调优，提升建议的科学性与可执行性；

系统集成与端云协同优化

• 完成运动健康AI助手系统集成，设计端侧与云侧协同推理方案，优化模型在可穿戴设备上的部署效率与性能表现，并通过真实用户数据进行效果验证与持续迭代。

Qualifications

• 博士学历，人工智能、机器学习、生物医学工程、电子工程、运动科学等相关专业；
• 熟悉大模型构建与训练，具备多模态建模、时间序列分析等经验，理解预训练、对齐与推理等基础原理；
• 具备Agent系统或复杂AI系统设计能力，理解规划（Planning）、记忆（Memory）、工具调用（Tool Use）等机制，能够支持多轮决策与系统实现；
• 具备扎实的算法与工程能力，能够独立完成从数据建模、模型设计、训练优化到部署验证的完整流程，具备良好的编程能力（Python/C++等）；
• 具备跨领域建模能力，能够将运动健康、生理信号等领域知识与AI方法深度融合，提升模型专业性与应用价值；
• 具备系统与架构意识，了解端云协同推理或模型部署优化方法，有可穿戴或资源受限环境下模型落地经验者优先。