地球科学多模态基础模型工程师

负责地球科学多模态基础模型的设计、训练与优化。

跟踪并深入理解大语言模型、视觉语言模型及科学基础模型前沿，复现、评估并改进现有方法。

面向地质图、遥感影像、结构化与矢量数据及三维地球物理场，研发新的模态表征、融合架构、训练目标和数据策略。

将实际科学与应用需求转化为可训练、可评测的模型能力，并解决现有方法无法满足的关键问题。

在有限算力和研发周期下，利用小模型、代理任务、消融实验、模型探针和分阶段扩展，提高单位算力与时间的信息产出。

诊断并解决能力退化、灾难性遗忘、跨模态对齐、数据分布错配及评测失真等问题。

建立可复现的预训练、微调、对齐与评测体系，并与地质、遥感及应用团队推动模型落地。

计算机、人工智能、机器学习、应用数学、统计、物理或相关交叉专业硕士及以上学历，博士优先。

深入理解 Transformer、视觉语言模型、多模态融合、优化与表征学习，精通 Python 和 PyTorch。

能够阅读、复现并批判性评估前沿研究，并根据应用需求修改模型架构、训练目标、数据策略或评测方法。

有实际案例证明能够显著提升模型能力，或解决标准方法无法解决的问题。

能够判断模型瓶颈来自表征、架构、目标函数、数据、优化还是评测，并通过受控实验定位原因。

具备算力受限条件下的高效研发能力，能够通过小规模实验、代理评测、数据选择和分阶段扩展指导算力投入。

具备大模型训练、视觉定位、持续学习、跨模态数据构建或科学机器学习经验之一。

有高水平论文、开源模型、数据集或实际系统成果者优先。