【LongCat实习】基座评测与认知分析算法研究员-多模态与前沿交互研究

多模态大模型能力在近年飞速发展，模态的统一、任务的统一、多种模态联合生成和实时交互带来了崭新的应用体验和生产力提升。在这个过程中，我们需要脚踏实地的同时仰望星空，发挥想象力预判新模型能力带来的应用场景革新，研究达到理想态的关键演进路径并进行度量分析，指引长期有潜力的模型迭代方向。方向包括但不限于

1. 多模Agent方向：包括在多模态的工具调用和GUI/CUA，探索结合多模原生能力的OpenClaw展现出的生产力提升潜力，从基座模型能力角度分析其中的关键影响因素并进行自动化度量，指引基座模型的迭代；
2. 多模态统一方向：包括全模态统一模型、音视频联合生成等，思考在模态统一、任务统一和多种模态联合生成过程带来新的能力跃迁并进行度量，分析模态和任务间的相互关联，指引模型架构、训练策略等选型；
3. 多模交互方向：包括通用世界模型、音视频交互等，研究动态多轮交互中的一致性、真实性和长程记忆等关键能力的自动化度量，指引基座模型的迭代； 【为什么是我们】 一起建立行业评测标杆，推动行业认知进展，代表工作包括：
4. UNOBench 行业首个考察全模态协作能力，并得出全模态和单模态能力Compositional Law，指引1+1+1>3的全模态能力发展。
5. EvalTalker 行业首个多人、多姿态、全景覆盖的数字人评测基准，指引自研Longcat-Avatar模型稳居业界前沿。
6. UniHetero 行业首个验证生成能促进理解的unified model，以简洁的结构在大规模数据上得到更好的data-scaling。

1. 硕士及以上学历，计算机、数学、统计学或相关专业。
2. 熟悉Java/Python/C++等编程语言，良好的编码习惯和一定的工程能力 。
3. 具有深度学习和大模型原理的基础知识，具有多模态大模型、具身智能之一的研究经验。
4. 良好的沟通能力、团队合作精神以及较强的问题解决能力。
5. 对每一行代码负责，对业务方负责，具备工匠精神。