岗位职责 1、负责多模态基础模型的研究与开发，探索视觉、视频、语言、音频、3D及机器人状态等多模态信息的统一表征、理解、推理与生成。 2、研究多模态模型架构与训练方法，包括模态编码与对齐、跨模态交互、统一Token化、多模态预训练与后训练，持续提升模型的感知、空间理解、复杂推理和指令遵循能力。 3、研究多模态训练数据策略，包括数据质量标准、数据配比、合成数据与困难样本构造，分析不同数据对模型能力的影响，推动数据、训练与评测的协同迭代。 4、推动多模态基础模型在具身智能场景中的应用，支持环境感知、空间推理、任务理解、人机交互及机器人决策等下游任务，并持续优化模型训练与推理效率。 岗位要求 1、计算机、人工智能、自动化、电子信息、机器人工程、数学等相关专业硕士及以上学历，博士优先。 2、编程基础扎实，熟练掌握Python和PyTorch，熟悉Linux开发环境，具备大模型从训练优化到部署落地的完整实践经验。 3、深入理解多模态基础模型的前沿进展，熟悉视觉编码器、大语言模型、跨模态对齐、注意力机制、Transformer及生成式模型等核心技术，具备从零到一的模型研发经验。 4、具备大规模模型训练经验，熟悉分布式训练、混合精度、长上下文、显存优化及训练稳定性分析，能够独立定位并解决模型收敛和系统性能问题。 5、具备扎实的实验方法论，能够设计严谨的对照与消融实验，并对数据策略、模型能力和失败案例进行系统性分析；学习能力和自驱力强，具备良好的团队协作与沟通能力。 6、在计算机视觉领域会议（CVPR、ICCV、ECCV）、机器学习领域会议（NeurIPS、ICML、ICLR）或自然语言处理领域会议（ACL、EMNLP、NAACL）发表过一作论文， 具备大规模多模态模型、视觉语言模型或视频大模型的百卡级及以上训练经验，具备视频理解与生成、3D视觉与空间智能、具身智能、VLA或机器人多模态建模经验，具备多模态后训练、指令微调、偏好对齐、强化学习、模型蒸馏或推理加速相关经验，拥有具有影响力的开源项目、顶级竞赛成绩或工业级多模态模型上线经验加分。