e签宝

岗位简介 我们正在把研发中心重构为 AI 原生组织。你将面向光照、遮挡、姿态、年龄、设备差异等复杂真实业务场景，迭代人脸识别精度与稳定性，通过数据闭环持续优化效果，支撑电子签名与身份核验的核心技术底座。 你将负责 1. 参与人脸识别核心算法研究迭代，针对光照、遮挡、姿态、年龄表情变化、设备差异等复杂场景开展算法优化。 2. 参与大规模模型训练、特征学习、度量学习、损失函数调优，优化 1:1 人脸验证、1:N 识别、身份聚类相关能力。 3. 参与人脸检测、关键点定位、人脸质量评估、对齐、特征提取全链路算法调优，提升端到端识别整体效果。 4. 参与人脸数据治理工作：数据清洗、难例挖掘、长尾样本构建、跨年龄 / 姿态 / 设备的数据增强，提升模型泛化性能。 5. 探索 ViT、多模态大模型、生成式 AI 在人脸识别、质量评估、属性理解、数据增强方向的应用，完成实验验证。 6. 协同工程团队，参与模型压缩、量化、蒸馏、推理优化、ONNX/TensorRT 适配，支撑算法上线生产环境

我们希望你 1. 硕士及以上学历，计算机视觉、模式识别、人工智能相关专业；优秀本科可放宽，27 届应届毕业生。 2. 拥有人脸识别 / 身份核验 / 人脸检索方向完整项目经历（实习、科研课题、竞赛均可），完成算法实验到原型部署完整流程。 3. 理解度量学习、特征学习、主流损失函数原理，具备人脸识别模型训练实践经验。 4. 熟悉人脸识别完整链路：人脸检测、关键点、对齐、质量评估、特征提取、相似度计算，了解误识别问题分析思路。 5. 有数据集处理、难例挖掘、数据增强相关实践，理解数据驱动模型迭代的逻辑；接触过遮挡、低清、跨年龄等复杂场景优化优先。 6. 熟练 Python，了解 C/C++ 更佳；了解模型量化、推理优化、ONNX/TensorRT 部署基础，有实操优先。 7. 认同 AI Native 工作方式，善于使用 AI Coding、AI Agent 工具辅助算法研发全流程。 加分项 - 人证核验、身份认证、金融风控类场景实习或者项目经历 - 生成式 AI 合成人脸、难例样本生成的数据增强实践 - 人脸识别相关竞赛、专利、论文、开源项目产出