AI研究算法工程师-多模态理解方向(J13372)

紧跟多模态业界研究动态，研究高效视觉编码模型结构，探索原生多模理解预训练、后训练方法（SFT、RL）。

构建多模态理解评测体系，全方位评测模型多模态能力边界，为模型训练提供有效指导。

构建人工耦合的多模数据清洗或者合成流程，负责高质量SFT、强化学习多模态理解数据体系构建，通过优质数据持续提升模型能力上限。

针对代码智能体、通用智能体场景所用到的多模态理解能力进行加强，提升底座模型的代码和智能体处理能力。

基于多模模型探索多模态智能体前瞻研究，包括但不限于Computer Use、Browse Use等。

有强烈科研热忱与长远科研信念，对通用人工智能充满探索欲，能形成独有的模型行为认知，主动挖掘、攻坚全新研究问题。

具备严谨的科研素养，逻辑思维突出，拥有良好研究审美，深耕深度学习领域并在至少一条细分方向形成体系化、深度独立见解。

专业技术与工程能力过硬，编程功底扎实，熟练运用各类前沿 AI 工具赋能研发，高效推进实验与落地工作。

秉持务实踏实的做事态度，重视数据核心价值，愿意沉下心完善数据与模型相关基础工作，独立快速吃透新兴研究赛道。

具备开放包容的协作意识，认同协同共进的团队文化，沟通顺畅、敢于理性质疑，待人平等，拥有全局大局观。

广泛且深入跟进行业前沿动态，拥有自主思考与笃定的研究思路，主动探索创新解法，持续推进预训练相关基础研究突破。 加分项

研究生阶段具备多模态理解、多模生成、多模态编码等任意研究方向研究基础。

以第一作者在CVPR、ICLR、ECCV等AI顶会发表多模大模型等相关论文，若引用达到100以上具备更高优先级。

深度使用Claude Code、Codex等AI编程工具，对多模态大模型能力边界、优化方向有真实实践认知。

参与过算法、代码、奥数类权威竞赛并取得优异名次，具备扎实的算法与代码功底。

在顶尖 AI 公司或实验室的核心团队有过长期实习经历，并有重要研究成果落地到基模大模型。