岗位职责
- 探索多模态理解任务上的自研数据构建、模型架构和训练范式，打造业界第一梯队的多模态大模型；
- 搭建更有针对性的评测，用于真实反映模型的实用效果，为模型训练提供指导方向；
- 强化Caption和QA能力，在图片/视频的理解/描述能力上赶超GPT4o、Gemini Pro等闭源模型的实际使用效果；
- 洞察业务需求，能够以业务目标为牵引持续迭代模型，在支持好业务的同时，发掘多模态的独立出圈应用玩法；
- 探索技术边界，将有特点的技术成果进行学术转化，在顶尖学术会议上发表论文，并保持与业界专家的交流。
职位要求
- 硕士及以上学历，有较强的代码动手开发能力，对多模态大模型基座能力提升有较高的热情；
- 熟悉计算机视觉相关的算法和技术，有自然语言处理和大模型训练经验；
- 良好的沟通协作能力，能够与团队紧密合作，共同推进项目进展；
- 在ACM/ICPC、Top Coder、Kaggle等比赛中取得过良好成绩是加分项；
- 在大模型领域，有主导过具有重要影响力的项目或发表过相关论文是加分项。
