【岗位职责】 1、负责计算机视觉及多模态大模型的研发、优化和应用开发工作，包括模型架构设计与优化、高质量数据集构建、模型预训练、监督微调及后训练等。 2、结合业务场景，通过Prompt Engineering、RLHF、DPO等技术手段，持续提升模型的准确性、泛化能力、推理效率、稳定性和可控性。 3、负责视觉及多模态大模型评估体系的设计与建设，全面评测模型在不同任务场景下的性能、安全性、鲁棒性及偏见问题，推动评测结果用于模型迭代和产品优化。 4、推动大模型在实际业务场景中的高效部署与应用落地，解决模型推理延迟、显存占用、计算资源消耗及部署成本等问题。 5、负责模型压缩、量化、剪枝、蒸馏、推理加速等技术的研究与应用，提升模型在云端、边缘端及终端设备上的运行效率。 6、负责大模型智能体工作流、RAG知识库及相关应用系统的设计、开发与调优，提升复杂任务处理和业务流程自动化能力。 7、持续跟踪计算机视觉、多模态大模型及人工智能领域的最新研究进展，包括算法、训练框架、推理框架和AI硬件等方向，并完成前沿技术的快速验证、原型开发及业务转化。 8、参与业务需求分析和技术方案设计，能够结合具体业务场景完成算法选型、技术验证、系统开发、部署实施及效果优化。 【任职要求】 1、 教育背景：计算机科学与技术、电子工程、自动化、模式识别与智能系统、计算机视觉、人工智能、数学等相关专业博士。 2、 专业知识与技能 -熟练掌握Python、C++等编程语言，具备良好的数据结构、算法设计和工程开发能力。 -熟悉PyTorch、TensorFlow等主流深度学习框架，能够独立完成模型开发、训练、调试、优化及部署。 -精通计算机视觉、深度学习及多模态学习相关技术，熟悉图像分类、目标检测、图像分割、目标跟踪、视觉语言理解等常见任务。 -熟悉主流视觉算法及模型架构，包括CNN、Transformer、Vision Transformer、YOLO等，掌握相关模型的训练、调优和部署技巧。 -熟悉大模型预训练、监督微调、参数高效微调及后训练技术，了解LoRA、QLoRA、RLHF、DPO等方法。 -熟悉多模态大模型的基本架构、数据组织方式及训练流程，对视觉编码器、语言模型、跨模态对齐和视觉指令微调等技术有深入理解。 -熟悉Prompt Engineering、RAG、Agent及大模型智能体工作流设计，具备知识库构建、检索优化、召回排序和生成效果调优经验者优先。 -熟悉ONNX、TensorRT、vLLM、Triton等模型推理与部署工具，具备模型量化、剪枝、蒸馏及推理加速经验者优先。 -具备“云—边—端”一体化产品的架构设计、开发实现、模型部署及性能优化经验者优先。