岗位描述
岗位描述：参与多模态大模型（文本、图像、视频等）的算法研究与工程实现，重点攻关模型在复杂视觉场景下的代码生成能力，让模型不仅能看懂页面，还能写出页面，覆盖从设计稿到可运行前端代码的端到端链路。推动多模态模型的通用工具使用能力建设，使模型能够基于视觉输入调用 Python 工具、搜索工具、文件操作等通用工具链，实现从视觉理解到工具编排的闭环，支撑真实场景下的复杂任务自动化。跟踪学术界与工业界前沿进展，方向包括但不限于鲁棒视觉表征与视觉特征编解码、多模态模型的 RLVR 与 RLHF、Synthetic Data、视觉审美与视觉品质评估等，持续打磨模型对视觉世界的理解与判断能力。设计与开发高效的分布式训练与数据系统，优化大规模多模态模型的训练流程与数据处理链路，支撑海量多模态数据的高效存储、检索、清洗与迭代，保障相关方向快速落地。 岗位要求：计算机科学、人工智能等相关专业的优秀本科生、研究生或博士生。具备极强的自驱力，能够在方向不完全明确时自主定义问题并推动落地。具备扎实的工程基建能力，熟悉大模型背景下的分布式编程技术，能独立搭建、维护并优化训练与评测链路；精通 Python，熟悉至少一种主流开源 LLM/VLM RL 训练框架（如 verl、AReaL、steptron 等），并有二次开发或定制化训练流程的实战经验。对视觉与产品有独特品味，对好的视觉效果、页面和交互有自己的判断，并能将这种判断注入数据、训练目标和评估标准中。具备良好的沟通能力和团队协作精神，能独立解决复杂技术问题。加分项包括：有大规模分布式训练系统或分布式数据系统开发经验，熟悉 DeepSpeed、Megatron 等并行训练框架，或有海量数据处理、存储、检索系统实战经验；有前端/Web 开发背景，或对 UI/UX、视觉设计有较深理解与实践；有 tool use、function calling、agent 系统相关研究或工程经验；在 NeurIPS、ICML、CVPR、ACL、ICLR 等顶级会议/期刊发表过相关论文；参与过开源大模型项目贡献；有算法竞赛教练或培训经历，或获得 ACM-ICPC、NOI/IOI 等编程竞赛奖项。