【博后专项】博士后研究员（Agent / 多模态LLM方向）

面向教育与智能学习场景，探索自监督学习、半监督学习、主动学习、多模态建模、大语言模型（LLM）与 Agent技术的前沿研究与应用。研究课题包括但不限于：

1. 文字识别与理解：自然场景文字 OCR、文档结构解析、公式/手写体识别、作业批改与知识点提取，聚焦提升模型的准确率、速度与长尾问题的鲁棒性。
2. 多模态教学模型：文本、语音、图像、视频的联合表示与建模，支持个性化学习资源推荐、自动讲解与问答。
3. 智能 Agent 研究：LLM与Agent架构（Plan-Execute、ReAct、Memory等）在教育应用中的探索，包括用户意图理解、工具调用、交互式学习指导与多步任务完成。
4. 数据与训练方法：研究自监督/半监督/主动学习方法，提高数据利用效率；探索教育场景下的强化学习方法，提升模型对齐度与可用性。
5. 应用落地与优化：构建高效的模型训练与推理方案，推动研究成果在词典笔、作业批改、文档问答、学习助手等产品中的落地。

1. 获得博士学位不超过三年（含应届）；
2. 计算机科学、人工智能、机器学习或相关专业背景，对LLM/Agent/多模态方向有强烈兴趣；
3. 具备扎实的科研能力与编程实现能力，熟悉深度学习框架（PyTorch/TensorFlow等）；
4. 具有良好的科研素养，能独立开展研究并撰写高水平论文，具备将研究成果应用于实际场景的能力；
5. 身体健康，工作积极有责任心，性格随和，具备良好的沟通能力与团队合作精神。 加分项
6. 有LLM/SLM预训练、指令微调、RLHF或Agent框架研究经验；
7. 有OCR/文档解析/多模态建模 / 教育应用相关研究经验；
8. 在ACL/NeurIPS/CVPR/ICLR等国际顶会发表过论文，或参与知名开源项目。