返回岗位列表

多模态大模型算法工程师

查看原岗位

地点：北京薪资：50-80K 日期：2026-05-22

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

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，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，包括鲁棒视觉表征与视觉特征编解码、多模态模型的RLVR与RLHF、Synthetic Data、视觉审美与品质评估等方向
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，熟悉至少一种主流开源LLM/VLM RL训练框架
对视觉与产品有独特的品味：对什么是好的视觉效果、好的页面、好的交互有自己的判断和坚持，能将品味注入到数据、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

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、检索系统的实战经验
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
祝女士刚刚活跃

福利待遇

具有竞争力的薪酬待遇：50-80K·16薪
参与前沿AI技术研发，与顶尖团队共同探索多模态大模型的最新进展
丰富的技术交流机会，鼓励发表论文、参与开源项目及行业竞赛

工作地址

北京海淀区大恒科技大厦南座12层