【实习】基座模型算法（脑机接口方向）

负责面向脑机接口的脑信号基础模型研发，探索脑活动时空信号的深度表征学习，构建可迁移、可扩展的模型架构。

研究基于大规模脑信号数据的自监督学习与预训练方法，提升模型在跨被试、跨数据集及不同任务场景下的泛化能力。

探索脑信号表征与视觉、音频、语言等模态的对齐及融合，结合多模态基础模型，支持脑信号解码、感知内容重建与语义理解等任务。

参与脑信号数据处理与训练数据体系建设，包括数据质量控制、预处理、标准化及训练评测流程搭建，支撑模型持续迭代。

本科及以上学历，计算机科学、人工智能、电子信息、生物医学工程等相关专业，可实习3个月及以上。

熟练使用Python，掌握PyTorch等深度学习框架，具备独立开展模型开发、训练、调试与实验分析的能力。熟悉自监督学习、表征学习等技术；具有基础模型预训练、微调或多模态对齐经验者优先。

参与过脑信号基座模型、神经影像表征学习、脑信号与视觉/音频/语言模型对齐等相关研究或开源项目者优先。

具备良好的论文阅读、实验设计及团队协作能力，对脑机接口、脑科学与AI交叉研究有浓厚兴趣。 加分项

在AI、计算机视觉、医学影像或神经科学相关会议及期刊发表过论文，或有高质量开源成果。

了解fMRI数据特点及基本分析方法，具有fMRI预处理、时空建模或脑信号解码经验。