蚂蚁数字科技-计算机视觉及多模态算法工程师

一句话描述：参与CV、及多模态核心算法研发，涉及视觉对抗、多模态智能体的深度创新和产品应用。 团队成员皆来源于国内外知名高校和企业，并在CVPR、ICCV、ACM MM等顶级会议发表多篇学术论文，鼓励发表前沿学术论文和工程落地，具有业界一流的实习生待遇；

1. 负责多模态大语言模型（MLLM）图文对齐，富文本图像理解，视觉问答（VQA)等领域的前沿研究；
2. 深入金融等垂类行业，在具体业务场景探索多模态大模型（MLLM）与智能体（Agent）前沿应用如GUI Agent、Chart/DocVQA、OCR-free与OCR融合理解；
3. 在导师指导下发表前沿学术论文，撰写专利。

1. 在读研究生（博士、硕士均可），人工智能、计算机、软件工程、数学等相关专业；
2. 拥有较丰富的科研经验或实际工程落地项目；
3. 有MLLM/VLM训练或微调经验；文档/表格/图表理解、VQA、视觉对抗/鲁棒性、RAG/Agent任一方向项目或论文成果
4. 参与过有影响力的项目或论文者优先，有推理模型研发经验者优先；
5. 具备较强的问题分析与解决能力，能够快速落地方案并进行效果验证；
6. 良好的沟通协作能力，能和团队一起探索新技术，推进技术进步。