岗位职责
参与视觉语言大模型的研发工作，主要负责：
- VIT Pretrain：提升模型感知能力，包括但不限于 Vision Encoder Pretrain 算法架构 / 多种感知能力数据构建；
- VLM Pretrain：提升 vlm pretrain 的通用能力，探索各种不同训练阶段设计 / 不同通用数据的组织形式；
- VLM Post train：提升 vlm 通用能力，包括但不限于合成数据 / RL 等方法；
- 生成理解统一：探索生成理解统一架构，同时提升理解和生成能力。
职位要求
- 本科及以上学历，计算机等相关专业方向优先；
- 熟练掌握代码的阅读和编写技术能力，善于利用AI编程，在python和pytorch技术栈上有深入实践；
- 在视觉领域有深入的实践和理解，有一定深度的专业认知和见解；
- 具备良好的科学研发习惯、问题定义能力和对细节的敏锐度。
