视觉语言大模型研究员-中央研究院-北京

1. 以E2E自驾为应用背景， 研究引入时域信息的Video Tokenizer；

2.利用开源VLM模型与自驾数据集，开展文本视觉对齐方法研究；

3.设计提升VLM空间和行为表征的总体方案; 4.负责方案的训练评测工程实施，包括CPT，SFT，RL等

1.计算机科学、应用数学等相关专业，硕士及以上学历；

2.NLP、CV等领域有扎实的研究基础，熟悉主流多模态大模型；

3.较强的工程实现能力：熟练掌握Python，熟悉Linux开发环境，精通深度学习框架TensorFlow或Pytorch，了解分布式训练框架并有一定的多机多卡训练经验；

4.有高质量论文发表者优先；有高质量Github项目经验者优先；

5.具备极强的学习能力和学术追求，良好的团队沟通合作能力