About this role
Summary: The Intern will participate in the construction of medical large model data engines and evaluation systems. Responsibilities include data crawling, cleaning, and structured processing, as well as building data pipelines and optimizing retrieval systems using NLP techniques.
岗位职责：
1、参与医疗大模型数据引擎与测评体系的建设，负责医疗相关数据的爬取、清洗和结构化处理等；
2、参与医疗大模型数据系统构建，包括知识库数据整理与构建、索引优化、数据检索等；
3、负责医疗 NLP 相关数据处理，包括文本预处理、命名实体识别（NER）、关键词抽取、摘要生成等；
4、搭建与优化医疗大模型的数据管道，包括数据存储、数据流管理等；
5、参与评测数据集的构建，优化数据标注流程，协助完成 LLM 评测任务的自动化。
岗位要求：
1、计算机、人工智能、数据科学、生物医学工程、医学信息学等相关专业，硕士及以上学历，在校生优先；
2、熟悉 大模型（LLM）及 NLP 相关技术，对 RAG、LLM Agent、知识库问答系统 等有一定了解；
3、熟练使用 Python 及数据处理工具（Pandas、NumPy、NLTK、spaCy），有数据清洗、文本处理经验；
4、了解 向量数据库（如 Milvus）、语义检索、文本嵌入（Embeddings） 相关概念；
5、具备一定的工程能力，能够搭建数据处理或评测管道，掌握 SQL、DuckDB、Polars 等工具者优先；
6、具备良好的学习能力，对医学 AI 领域有浓厚兴趣，责任心强，能够独立完成数据处理任务，并与团队高效协作。
加分项：
1、具备 Web 爬虫经验，熟悉 Scrapy、Selenium、BeautifulSoup 或相关爬取技术；
2、有基于 LLM 的 RAG 系统、文档问答、医疗 NLP 相关项目 经验；
3、熟悉 LangChain、LLamaIndex 或其他 LLM 应用开发框架；
4、了解 医疗文本数据（如临床笔记、医学论文、药品说明书）处理方法；
5、具备大规模数据爬取、信息抽取、数据索引优化的经验；
6、了解 LLM 评测体系，有基准测试、数据对齐等相关经验。
实习收获：
1、参与医疗大模型数据体系建设，深入理解 RAG、LLM Agent 等大模型系统的核心数据处理流程；
2、参与爬虫、数据清洗、知识库构建，提升 NLP 及数据管道搭建能力；
3、深入医疗 AI 领域，积累大模型工程实践经验。