高级算法工程师

模型后训练：负责图文多模态大模型的后训练算法研究与落地，包括 SFT 微调、GRPO 等强化学习方法、偏好对齐与蒸馏，持续提升模型在理解、推理与指令遵循上的效果。

多模态 Agent：负责多模态 Agent 的算法研究与工程落地，包括多模态感知—规划—工具调用—反思的闭环设计、长程任务编排、工具/函数调用与记忆机制，推动 Agent 在真实业务场景中的可用性与稳定性。

自动化 Prompt：研究自动化 Prompt 生成与优化技术（如自动提示构造、Prompt 搜索/进化、指令合成），降低人工调优成本，提升多模态任务的效果上限与迭代效率。

自动化评测：搭建并持续完善多模态模型与 Agent 的自动化评测体系，覆盖数据集构建、指标设计、LLM-as-a-Judge、回归与 A/B 评测，为模型迭代提供可量化、可复现的效果基线与验收标准。

熟悉当前主流的 Agent Harness 框架（如Openclaw、Nanobot），了解其工具调用、上下文管理与执行循环机制，具备基于 Harness 做二次开发或集成的能力。

前沿技术探索：跟进图文多模态、后训练、Agent、评测等方向的业界前沿进展，快速验证与转化关键技术，持续沉淀团队在多模态算法方向的技术积累与方法论。

计算机、人工智能、数学、电子信息等相关专业，硕士及以上学历；扎实的机器学习/深度学习基础。

熟悉多模态大模型的原理与训练流程，具备 SFT / 强化学习（PPO、DPO、GRPO 等）中一项或多项的实践经验。

精通 Python，熟练使用 PyTorch，熟悉主流训练与推理框架（如 SWIFT、LLaMA-Factory 等）及分布式训练。

熟练并习惯使用 AI 编程工具（如 Codex、Cursor 等），具备良好的 Vibe-Coding 能力，能借助 AI 工具高效完成开发与工程落地。

良好的问题定义与分析能力、学习能力和团队协作沟通能力，能主动跟进并落地前沿技术。 加分项 在多模态理解/生成、Agent、后训练、自动化评测等方向有高质量论文（CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、ACL 等）或有影响力的开源项目。