多模态理解算法实习生

岗位描述：团队专注于视觉语言大模型认知与推理能力突破，负责多模态基座模型研发，覆盖视觉语言模型与多模态生成模型，并已推出 GLM-V、GLM-Image、CogView、CogVideo 等系列模型。岗位将参与先进多模态大模型的设计与训练，包括图像、视频的理解与生成；搭建并优化多模态大模型自动化数据通路，提升模型基础能力和下游任务效果；优化模型训练过程，包括预训练、微调、偏好对齐等；探索多模态理解相关前沿算法，如数据合成、模型自我迭代等；加速多模态大模型推理过程并推动实际应用部署。 岗位要求：985 高校计算机、电子、自动化等相关专业硕士或博士在读，优秀本科生亦可考虑；深入理解常用多模态算法，具备多模态大模型和视频理解相关项目经验者优先；在 CCF-A 类会议发表过多模态相关论文者优先；熟练使用 Pytorch、transformers、megatron 等主流框架；工作认真负责，具备良好的团队协作能力。