日常实习生-AI制药模型评测实习生
日常实习生 · 杭州 · 实习
AI 摘要智能生成
岗位定位:面向环肽/大环肽AI药物设计方向
职位描述
岗位定位:面向环肽/大环肽AI药物设计方向,协助团队建立AI工具、模型与产品能力的评测体系,完成离线评测、线上反馈分析、Bad Case归因、竞品调研与评测报告输出,支撑环肽AI设计平台迭代。该岗位为校招储备方向,实习表现优秀者可获得校招转正机会。 职责: 1、AI产品与模型评测:参与环肽AI设计工具、分子生成/筛选模型、序列-结构预测工具、成药性预测模块的离线与在线评测;构建评测集,覆盖典型任务、边界案例、失败场景和湿实验反馈数据;记录模型输出质量、稳定性、可解释性、响应效率与可用性指标。 2、评测体系搭建:协助设计评测维度(序列合理性、环化约束满足度、构象合理性、靶点结合预测、ADMET/成药性风险、可合成性评估等);参与制定评测标准、评分规则、验收阈值和回归测试流程;协助建立评测数据台账,保证模型版本、参数、输入数据和结论可追溯。 3、Bad Case分析与迭代支持:收集用户反馈、实验反馈和系统日志,对Bad Case进行聚类、归因和优先级排序;区分问题来源(提示词设计、数据质量、模型能力、工具链集成、交互流程或工程实现);输出可执行的改进建议,推动算法、工程和产品侧迭代。 4、竞品与前沿工具调研:跟踪AIDD、环肽设计、蛋白/多肽生成、分子对接、构象采样、ADMET预测等方向的前沿工具与平台;对主流AI药物设计工具、开源模型、商业软件和Agent工作流进行体验、对比和评测;输出调研报告,提炼可复用评测方法和产品启发。 5、Prompt/工作流评测:参与AI Agent、RAG检索、工具调用、Prompt策略的效果验证;协助准备评测样本,开展A/B测试,评估不同Prompt或工作流方案的稳定性与可控性;沉淀Prompt评测规范、失败模式库和最佳实践。 6、文档与协作:撰写评测方案、评测报告、产品分析文档和SOP;与算法、工程、计算生物学、药化/多肽实验团队协作,推动评测结果落地。
任职要求
- 学历专业:硕士及以上在读,计算机、人工智能、生物信息学、计算生物学、药学、药物化学、化学、数学、统计学等相关专业;具备扎实的跨学科基础,能够理解AI模型与药物设计/多肽设计的基本逻辑。
- 技术基础:熟练使用Python进行数据处理、脚本编写和评测自动化;熟悉Linux基本操作,了解Git版本管理,能够阅读技术文档并复现简单实验流程;具备良好的数据敏感度和逻辑分析能力,能够独立完成评测方案设计。
- AI与产品理解:深入理解大模型、Agent、RAG、Prompt工程、工具调用和模型评测的基本原理;对AI产品体验敏感,能从准确性、稳定性、可用性、效率和用户体感等维度评价产品;有AI产品评测、数据标注、竞品调研、科研工具评测或模型Benchmark经验者优先。
- 药物设计相关基础:了解蛋白质、多肽、环肽、分子生成、虚拟筛选、ADMET预测、分子对接等基本概念;接触过RDKit、PyMOL、ChimeraX、AlphaFold、Rosetta、Schrödinger、Open Babel、DeepChem等工具者优先;能熟练阅读英文文献和技术文档,具备较强的跨学科学习能力。
- 工作方式:细心、严谨,对数据和实验证据敏感,不依赖单一评分做判断;具备良好沟通能力和团队协作意识,能与算法、工程和生物医药背景同学高效协作;每周可实习4天以上,连续实习6个月以上优先,有明确校招意向。
- 加分项:
- 有AIDD、环肽/多肽设计、蛋白语言模型、扩散模型、分子动力学或构象采样相关项目经验;
- 有模型评测集构建、Benchmark设计、Bad Case分析或AI Agent评测经验;
- 有AI编程工具使用经验,能通过脚本、插件或自动化流程提升评测效率;
- 有开源项目贡献、技术博客、评测报告或相关论文/专利;
- 熟悉多肽序列表示、环化约束、非天然氨基酸、膜通透性、蛋白酶稳定性等成药性概念;
- 有AI药物设计平台、计算生物学工具或科研SaaS产品实习经验。