岗位职责

面向XR眼镜“端侧采集-传输-云端理解/识别”的全链路，设计并落地端云协同的内容压缩与传输方案，在低时延、低功耗、弱网鲁棒的约束下，保证云端模型任务精度不下降并满足可上线交付标准；
探索并落地结合VLM，提升XR交互效率与用户体验：利用语义理解与目标/区域重要性建模进行码率分配、Token裁剪、模型部署或云端优化方案（如投机采样、模型量化），包括GUI交互优化及基于环境的主动推荐系统；
研究并实现面向XR场景的图像压缩算法体系（预测/熵编码/率失真优化/感知优化等），针对端侧算力、带宽与功耗约束进行工程化优化与性能分析；
构建评测与数据闭环：定义AR/XR场景压缩指标与验收协议（码率、端到端时延、功耗、画质指标及任务指标），建立可复现的端云联合评测、回归与A/B验证体系，驱动策略与模型持续迭代。

职位要求

本科及以上学历，计算机、电子、数学等相关专业；
熟练使用C/C++/Python之一或多种，具备良好的工程习惯与性能优化能力；
有VLM应用与优化经验：能够在压缩链路中引入VLM进行语义理解/重要性建模/区域标注或质量控制，具备模型部署或云端服务化经验（如投机采样、模型量化）、Token裁剪后训练算法（SFT+RL）；
具备“端侧-云端”联合优化相关研发经验，能独立完成算法设计、性能剖析与工程落地，且有可量化成果，如码率降低、延迟降低、功耗降低中的一种或多种；
具备端云协同系统设计与优化实践：熟悉端侧推理/多线程与内存优化、硬件加速（如GPU/NPU/DSP）、网络自适应（拥塞控制/码率自适应/重传策略）中的一种或多种。加分项：
具有扎实的算法和机器学习基础，熟悉LLM、VLM、Agent等领域技术；或在顶级会议上发表过论文；
在真实产品中实现过显著业务收益：有AR/VR/MR或移动端相关经验；或作为核心成员解决过“端侧采集-传输-云端理解/识别”传输受限场景下的大模型部署的关键问题；
有结合深度学习进行压缩（如超分/去噪辅助、感知损失/对抗训练等）或后处理的实践，如SFT、RL（PPO、GRPO、GenRM）等，并实现出显著的性能与效果提升。