多模态大模型算法工程师/研究员

查看原岗位

地点：北京薪资：40-70K 日期：2026-06-26

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，让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

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，让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
跟踪学术界与工业界前沿进展，方向包括鲁棒视觉表征与编解码、多模态模型的RLVR与RLHF、Synthetic Data、视觉审美与品质评估等，持续打磨模型对视觉世界的直觉判断力
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

国内外计算机科学、人工智能专业的优秀本科生、研究生和博士生
极强的自驱力，能够在方向不完全明确时自己定义问题、推动落地，不依赖被动派活
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，熟悉至少一种主流的开源LLM/VLM RL训练框架（如verl、AReaL、steptron等），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的品味，对好的视觉效果、页面和交互有自己的判断和坚持，并能将这种品味注入到数据、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，能独立解决复杂技术问题

北京海淀区大恒科技大厦南楼