多模态大模型青年研究员

负责智能文档解析（含 OCR、布局分析、语义关联提取），设计数据清理、去重、增强及合成方法，提升训练数据质量与规模，支撑模型泛化能力建设。

研发大模型增量训练算法，攻克灾难性遗忘问题；结合强化学习技术，开展多模态、多任务后训练优化，覆盖长思维链推理、指令遵循、智能体能力增强等任务。

研究模型压缩、二值化及高效推理技术，优化模型存储与计算成本，提升模型在不同硬件平台的部署效率，满足实际应用场景需求。

构建强化学习偏好数据集与奖励模型，抑制模型幻觉；开发数据防范机制与微调技术，实现模型安全对齐，确保符合人类价值观。

设计前沿创新的多模态数据融合方案与模型架构，突破通用模型在垂类场景的能力限制，优化模型综合性能与应用范围。

计算机科学、AI、机器学习等相关专业硕士及以上学历（博士优先），具备扎实的深度学习、大模型理论基础，熟悉 PyTorch/TensorFlow 等框架。

精通至少 3 类关键技术：a, 文档解析与数据合成；b, 持续学习与模型压缩（剪枝、量化）；c，多模态数据融合和模态对齐训练；d, 强化学习 与 RLHF 对齐技术。

熟练使用 Python/C++，具备算法高效实现能力，有分布式推理、混合精度推理等工程实践经验者优先。

在顶会 / 期刊发表相关论文，或有大模型垂类落地项目经验，或算法比赛获奖者优先。

能结合多模态、三维重建、模型安全等跨领域技术，解决垂类场景复杂问题，具备技术创新与落地转化意识。