岗位职责
- 参与多模态感知模型的训练与微调，并将其应用于实际屏幕行为和用户交互场景；
- 探索主动响应的感知技术，通过分析用户屏幕使用轨迹和行为数据，实现对用户意图的实时推断；
- 融合视觉、屏幕和系统事件等多模态数据，研究具备自主环境感知和交互响应能力的感知大模型；
- 搭建端侧屏幕理解能力，实现泛场景的GUI事件感知与自动化响应；
- 关注机器学习与感知领域前沿技术，探索跨领域技术融合，并参与撰写论文或专利；
- 参与OSAgent感知能力预研，包括记忆、决策与主动响应机制。
职位要求
- 硕士及以上学历，人工智能、计算机科学、电子、信息工程、机器人等专业，有C++/python开发经验；
- 熟练掌握至少一种深度学习框架，如Tensorflow、PyTorch等；
- 对深度学习有深刻认识，熟悉各种神经网络及背后数学原理；
- 对大模型有设计应用经验者优先；
- 对声音、图像、视频、各类传感器的通用融合感知算法有实际经验的优先；
- 在AI或NLP相关顶级会议或者刊物，如ICML、NeurIPS、AAAI、ACL等发表论文者优先。
