1.负责多模态内容感知、理解及多模态文档处理相关的大模型研发工作，包括但不限于多模态或视觉预训练模型的下游任务微调与优化
2.负责视觉语言大模型（VLM）在内容理解与文档处理等场景的应用探索，深入开展大模型SFT（指令微调）、强化学习微调（如DPO/GRPO等）算法研究
3.负责基于大模型的 Agent 能力建设与应用落地，围绕复杂任务拆解、流程编排、工具调用、记忆管理、规划与执行等方向开展研发，推动 Agent 在多模态理解、文档处理、内容生产与业务自动化等场景中的实践
4.跟进计算机视觉及多模态领域前沿工作，探索前沿技术落地，并协助整理形成高质量学术论文
1.硕士及以上学历，计算机、人工智能、电子信息或相关专业
2.熟悉多模态大语言模型（VLM），对Qwen-VL系列、InternVL等前沿多模态模型有深入了解及实际应用经验
3.熟悉多模态/视觉预训练模型，如CLIP、BLIP、DINO等，有预训练或下游任务微调经验者优先
4.对多模态内容感知、图像/视频理解、多模态文档处理（如文档解析、版面分析、文档问答DocVQA等）等方向有深入研究或实战经验
5.具备扎实的代码基础，熟练使用 PyTorch 等深度学习框架，获得ACM、Kaggle等国际竞赛名次者优先
6.具有学术创新能力，在CVPR、ICCV、ECCV、ACL、NeurIPS等相关领域顶级会议/期刊发表过论文者优先
7.具备良好的团队协作能力，自驱力强，能够主动积极探索并解决研究与落地过程中发现的问题
8.实习时间6个月即以上，每周至少投入4天
