多模态大模型算法工程师/研究员
岗位摘要
参与多模态大模型（文本、图像、视频等）的算法研究与工程实现，重点攻关模型在复杂视觉场景下的代码生成能力，覆盖从设计稿到可运行前端代码的端到端链路；推动多模态模型的通用工具使用能力建设，使模型能够基于视觉输入调用Python工具、搜索工具、文件操作等通用工具链，实现从视觉理解到工具编排的闭环，支撑复…
岗位职责
- 参与多模态大模型（文本、图像、视频等）的算法研究与工程实现，重点攻关模型在复杂视觉场景下的代码生成能力，覆盖从设计稿到可运行前端代码的端到端链路
- 推动多模态模型的通用工具使用能力建设，使模型能够基于视觉输入调用Python工具、搜索工具、文件操作等通用工具链，实现从视觉理解到工具编排的闭环，支撑复杂任务自动化
- 跟踪学术界与工业界前沿进展，涵盖鲁棒视觉表征、多模态模型的RLVR与RLHF、Synthetic Data、视觉审美与视觉品质评估等方向，持续提升模型对视觉世界的感知与判断能力
- 设计与开发高效的分布式训练与数据系统，优化大规模多模态模型的训练流程与数据处理链路，支撑海量多模态数据的高效存储、检索、清洗与迭代
任职要求
- 国内外计算机科学、人工智能专业的优秀本科生、研究生或博士生
- 具备极强的自驱力，能够在方向不完全明确时自主定义问题并推动落地，不依赖被动分配任务
- 具备扎实的工程基建能力，熟悉大模型背景下的分布式编程技术，能独立搭建、维护并优化训练与评测链路；精通Python，熟悉至少一种主流开源LLM/VLM RL训练框架（如verl、AReaL、steptron等），并有二次开发或定制化训练流程的实战经验
- 对视觉与产品有独特品味，对优质视觉效果、页面设计和交互体验有自己的判断，能将这种品味融入数据构建、训练目标和评估标准中
- 具备良好的沟通能力和团队协作精神，能够独立解决复杂技术问题
- 【加分项】有大规模分布式训练系统或分布式数据系统开发经验，熟悉DeepSpeed/Megatron等并行训练框架，或有海量数据处理、存储、检索系统实战经验
- 【加分项】有前端/Web开发背景，或对UI/UX、视觉设计有较深的理解与实践
- 【加分项】有tool use、function calling、agent系统等相关研究或工程经验
- 【加分项】在顶级会议/期刊（NeurIPS、ICML、CVPR、ACL、ICLR等）发表过相关论文
- 【加分项】参与过开源大模型项目的贡献，或有ACM-ICPC、NOI/IOI等编程竞赛获奖经历
加分项
- 有大规模分布式训练系统或分布式数据系统开发经验，熟悉 DeepSpeed/Megatron 等并行训练框架，或有海量数据处理、存储、检索系统实战经验
- 有前端/Web 开发背景，或对 UI/UX、视觉设计有较深的理解与实践
- 有 tool use、function calling、agent 系统等相关研究或工程经验
- 在顶级会议/期刊（NeurIPS、ICML、CVPR、ACL、ICLR 等）发表过相关论文
- 参与过开源大模型项目的贡献
- 有算法竞赛教练或培训经历，ACM-ICPC、NOI/IOI 等编程竞赛获奖经历