岗位职责
深入参与无人零售货柜场景下用户购买行为识别算法研发，围绕“传统视觉能力 + 多模态大模型”协同方案，重点提升复杂场景下的识别准确率、鲁棒性与工程落地，支撑算法方案在真实业务中的持续迭代与规模化复制。具体工作包括但不限于：
- 参与搭建和优化从目标检测、商品识别、目标跟踪、时序行为理解到交易事件判定的完整技术链路；
- 推动传统视觉能力与多模态大模型在视频理解、复杂行为推理、异常场景识别等方向的协同应用，探索适合业务场景的高精度、低成本解决方案；
- 建设异常场景检出、风险识别与兜底处理机制，提升方案对边界问题的覆盖能力和线上稳定性；
- 基于线上问题构建数据回流、样本分析、标注优化、训练评估和效果回归机制，持续提升模型在真实业务场景中的表现；
- 参与线上识别链路的部署、策略优化与性能调优，平衡识别效果、推理成本与响应延迟，推动方案稳定上线。
职位要求
- 本科及以上学历，计算机、人工智能、模式识别、机器学习等相关专业优先；
- 具备零售货柜、智能零售或相近场景的相关算法经验；
- 具备扎实的计算机视觉和深度学习基础，熟悉目标检测、目标跟踪、语义分割、视频理解等方向，具备相关项目落地经验；
- 具备多模态大模型相关业务落地经验，熟悉 SFT、DPO、RL 等后训练算法的开发与调优，在视频理解、视觉语言模型应用等方向有实际项目经验。
- 具备较强的代码与工程实现能力，精通 Python 及 PyTorch，熟悉大模型训练框架，如ms-swift、verl等；
- 具备良好的业务理解、问题拆解和跨团队协作能力，能够围绕业务指标持续推动算法优化与方案落地。
