1、参与从业务需求、算法方案设计、图像采集及处理、模型训练及优化到模型部署及应用的全链路实践。 2、参与模型实验与复现（如YOLO系列、轻量化Transformer等），探索多模态大模型在工业场景的落地，培养对前沿技术的敏锐度。 3、对模型少样本学习、在线学习、微调、蒸馏、剪枝等技术的研究与应用。 4、参与视觉智能体项目的优化与完善。

1、熟练掌握主流深度学习框架（如 PyTorch、TensorFlow）。 2、熟悉目标检测、语义分割、行为识别等视觉算法（如 YOLO 系列、ViT 等）。 3、了解并掌握视觉大模型（如 SAM、Grounding DINO、多模态大模型等）的预训练、微调策略、零样本/少样本检测及模型可解释性研究。 4、具备扎实的编程能力，精通 Python，并熟练掌握 C++语言；熟练使用 OpenCV、Halcon、VisionPro 等视觉库。 5、具备模型训练、调优、剪枝、量化（如 INT8）及蒸馏能力，以满足低算力边缘设备的部署需求。 6、熟悉模型转换（如 ONNX、TensorRT、NCNN 等），有在嵌入式平台（如 NVIDIA Jetson、FPGA、瑞芯微等）进行算法移植和性能调优的经验。 7、具备 AI 辅助编程实践经验（如 Copilot 等工具），能利用 AI 提升数据处理、样本标注、代码生成及模型调优的效率。 8、对新技术保持敏感，主动跟踪计算机视觉与深度学习领域的最新进展，具备创新意识。 9、具备较强的问题分析与排查能力，能够应对现场复杂环境（如光学干扰、反光、振动、噪声等）带来的挑战，适应现场调试的工作节奏。