混元-面向原生多模态大模型的视觉推理数据构建范式研究

课题背景： 当前视觉大模型在处理涉及多步空间逻辑与严谨物理因果的复杂推理任务时，极易产生事实错误或严重的幻觉问题。此外，高质量的视觉推理相关数据集极度匮乏，这成为了限制多模态模型实现深度、准确视觉推理能力的关键瓶颈。 课题挑战：

1. 01

   数据合成与评测：涉及几何、物理约束及因果关系的视觉推理序列数据极其复杂，探索高效、自动化的数据合成路径并构建合理的Bench评测体系是巨大挑战。

2. 02

   模型推理优化：在海量数据基础上，如何探索有效的模型训练与奖励路径，优化视觉推理Chain-of-Thought（思维链）的纠错机制与泛化能力，解决多步逻辑推理中的幻觉问题，技术难度极大。 具体工作： 构建百万～亿级包含几何、物理约束等领域的视觉推理数据集；跑通视觉推理序列数据合成、模型训练与评测链路；显著提升模型基于思维链的纠错与泛化能力。

学历和专业：计算机视觉、VLM或机器学习相关方向博士；在ICLR、NeurlPS，ICML、KDD、AAAI，IJCAI等机器学习领域会议或者期刊有第一作者发表过至少一篇文章。 技术技能：熟悉模型开发&训练常见框架，具备快速阅读和复现论文的能力，有VLM或图片生成模型训练经验 此课题同时招聘应届实习生和低年级实习生。