AI多模态算法专家

岗位职责：
1设计与实施多模态数据构建方案：包含数据采集、清洗、标注、弱监督/自监督数据生成、数据质量评估与反馈闭环
2构建和维护训练/评测基准（benchmarks）：覆盖视觉推理、视频理解等
3负责多模态大模型（VLM，Vision-LanguageModel）的优化，包括模型架构对接、训练策略、推理加速与效果评估。
4关注前沿技术并进行可行性验证（PoC），推动新算法或新数据策略到生产级落地
5撰写技术文档，沉淀最佳实践，指导初级工程师与标注团队

任职要求：
1计算机、电子信息、自动化、应用数学等相关专业本科及以上，5年以上机器学习/深度学习经验，或具备同等能力的开源/竞赛成果
2熟练使用Python，熟悉深度学习主流框架（PyTorch，TensorFlow）
3扎实的工程能力：熟悉Git、Docker、Linux，能够独立构建可复用的数据与训练管线
4熟悉大模型训练流程：数据准备、预训练、指令微调、评测与迭代；具备良好的问题定位与性能调优能力
5具备良好的沟通协作能力与自驱力，能够在不完全信息下推进项目

专业要求（VLM与数据构建）：
1多模态模型与视觉表征
1.1熟悉以下至少两个领域：VQA、VideoCaptioning、VideoReasoning、ContentRetrieval、SaliencyDetection、BehavirorAnalysis、IntentionPrediction、Multi-ModalSensing&Understanding的相关技术
1.2熟悉视觉Backbone与Tokenizer：ViT/ConvNeXt/Swin、SAM、DINO、Q-Former、VQ-VAE等
2训练与对齐
2.1具备多模态对齐、跨模态检索、图文匹配、视觉问答任务的建模与评测经验
2.2掌握指令微调、偏好对齐（RLHF/RLAIF）、对比学习、知识蒸馏、混合专家（MoE）等
3数据构建与治理
3.1有音视频以及多传感器数据集构建经验，包括标签预处理、时空对齐、语义语料分析等。具备大规模数据采集、噪声过滤、去重（感知哈希/SimHash/MinHash）、质量评估（Heuristics/模型打分）、数据分层采样与混料（mixing）经验
3.2熟悉标注策略与工具链：人机协同标注、主动学习、弱监督/自监督数据生成、数据一致性与审计
3.3理解数据对齐与红队测试：安全、合规、偏见与毒性检测，视觉版权与隐私合规意识
4评测与产品化
4.1能构建多维评测集（准确性、鲁棒性、幻觉率、安全性、时延/吞吐）
4.2了解在线评测、能将数据-模型-评测迭代形成持续优化闭环