【27届校招】Omni模型算法工程师/研究员

前沿模型研究与打造：面向通用人形机器人及真实物理世界场景，参与打造行业领先的 Omni 多模态大模型。研究文本、语音、视觉、视频、动作等多模态信息的统一表征、理解、推理与生成，提升模型在复杂开放环境中的通用智能能力。

模型架构与核心算法创新：深入探索可泛化、可 Scaling 的多模态模型架构与训练方法，重点攻关跨模态对齐与融合、时序建模、长上下文理解、实时流式交互、多模态推理及端到端生成等关键技术。

大规模训练与数据体系建设：参与多模态数据的构建、清洗、配比与质量评估，推进预训练、后训练、指令微调、偏好对齐及强化学习等技术研发；持续优化大规模训练效率、稳定性与模型效果。

真实场景落地与系统集成：推动 Omni 大模型与机器人感知、认知、决策及控制系统深度融合，构建面向真实场景的下一代智能体系统，提升机器人对环境、任务和人类意图的综合理解与响应能力。

推理优化与端侧部署：研究模型压缩、量化、蒸馏、推理加速及低时延服务技术，探索模型在机器人端侧及异构计算平台上的高效部署。

技术影响力建设：紧跟国际学术界与工业界最新进展，通过算法创新、技术攻坚、论文专利及系统迭代，持续形成具有行业影响力的技术成果。

计算机、人工智能、自动化、电子信息、数学等相关专业，硕士及以上学历；具备优秀研究或工程能力者可放宽学历要求。

熟悉 Transformer、LLM、VLM、语音大模型或多模态生成模型中的一种或多种技术方向。

熟悉大模型预训练、指令微调、偏好对齐或强化学习方法，对模型 Scaling、数据工程和效果评估有深入理解。

熟练掌握 Python、PyTorch 等开发工具，具备良好的算法实现和问题分析能力。

具备大规模分布式训练、推理优化或多模态数据建设经验者优先。

具备较强的技术热情、创新意识和团队协作能力，能够持续跟进并快速验证前沿研究成果。 加分项

在多模态大模型、语音大模型、VLM、视频理解或生成等方向发表过高水平论文。

有代表性的开源项目、技术竞赛成果或完整大模型研发经验。

熟悉实时音视频、流式多模态建模、端到端语音交互或机器人智能体系统。

具备机器人、自动驾驶或真实物理世界多模态应用经验。