岗位职责

大模型理解方向：探索多模态大模型在视频、图像、文本内容的理解能力，构建场景化模型，提升风险识别准召率；研究视频/图像拒绝理由的可解释性归因方法，推动人机协同审核应用落地；构建大模型在风险防控、开户业务等场景的垂类内容理解能力，优化模型对抗性及迭代效率；开发视频、图文向量化表征技术，提升跨模态检索能力（如视频索引、图文相似性检索）；
大模型生成方向：研究多模态大模型（图像/视频）生成与修复技术，探索可控内容生成方法，提升风险素材过审率；构建大模型训练、推理、评测的标准化流程，推动平台化能力建设与自动化迭代；
大模型推理部署方向：优化大模型推理框架（低延迟、高吞吐），研究量化、剪枝、动态调度等加速技术；推动多模态大模型在工业级场景的轻量化部署落地。 *根据研究方向选择以上至少一个领域深入参与。

职位要求

计算机科学、人工智能、电子工程等相关专业硕士/博士在读，扎实的算法与编程基础；
熟悉多模态大模型（如Transformer、CLIP、ViT等）及生成模型（如Diffusion、GAN）、熟练使用PyTorch/TensorFlow等框架，熟悉分布式训练或模型压缩技术者优先、具备视频处理、跨模态检索、强化学习相关经验者加分；
对技术前沿敏感，能独立复现论文算法并改进，有顶会论文发表或竞赛经验者优先；
逻辑清晰，责任心强，具备快速学习能力和团队协作意识。加分项：熟悉大模型在风控、内容审核等场景的应用