多模态大模型算法工程师

1、设计、构建、训练和优化面向机器人交互场景的多模态/omni全模态大模型；

2、探索和实现模型对多模态输入（语音、文本、图像/视频、深度信息、传感器数据、环境上下文等） 的深度融合与理解；

3、研发模型生成多模态输出（语言语音、情绪、表情、移动、行为动作等） 的能力，确保输出的一致性与自然性；

4、构建基于人类交互反馈的持续学习（CL）具身交互系统；

5、重点攻克人机交互闭环中的关键问题：多模态记忆与理解、意图识别与澄清、主说话人辨识、个性化交互、情感感知与表达、长时程对话一致性、任务导向交互等；

1、硕士及以上学历，计算机、人工智能、电子、数学等相关专业；

2、出色的问题分析和解决能力，自主探索新解决方案的能力强;

3、关注生成式 AI 和多模态交互技术，对推动人形机器人智能化有热情;

4、熟悉 VLM / VLA / VLP / MLM等多模态任务建模、具备跨模态模型设计与训练经验；

5、理解多模态对齐（如 cross-attention、token-level alignment）、条件生成、多模态融合机制。