VLM Agent实习生当面告知
索尼（中国）有限公司
招满即止
社招（不限）实习本科
岗位详情
地区：
全国
专业要求：
专业不限
岗位职责：
1. 参与基于视觉-语言模型（VLM）的智能体（Agent）系统研发，包括感知理解、任务规划、工具调用与人机交互等模块的实现与优化。
2. 协助设计并开发支持 Agent 交互的 Web 前端界面（如指令输入、结果可视化、Gradio的网页原型），实现前后端联调与功能集成。
3. 实现与测试 Agent 的核心逻辑（如 Prompt 工程、记忆管理、推理链构建），参与接口定义与数据流设计。
4. 对 Agent 行为进行评估与分析，撰写实验记录、技术文档及复现报告。
5. 跟踪多模态大模型与 Agent 领域前沿进展（如 LLaVA-Agent、Qwen-Agent、CrewAI 等），探索落地场景与改进方案。
招聘要求：
1. 教育背景：计算机科学、人工智能、软件工程、自动化等相关专业在读的本科高年级或硕士研究生。
2. 专业知识：了解大语言模型（LLM）、视觉-语言模型（VLM）及智能体（Agent）基本原理；熟悉常见任务类型（如视觉问答、指令跟随、工具使用）。
3. 相关经验：有 Agent 相关项目经验者（如基于 LangChain、AutoGen、LlamaIndex 构建的对话/任务型 Agent）优先；有 VLM 应用（如 LLaVA、Qwen-VL 微调或部署）经验者加分。
4. 编程能力：
o 熟练掌握 Python，具备良好的代码结构与工程化意识；
o 熟悉基础网页开发技术（HTML/CSS/JavaScript），能使用 Flask/Django 或 FastAPI 搭建后端服务，配合 React/Vue 实现简单前端交互；
o 了解 RESTful API 设计与常用通信协议（如 WebSocket）者优先。
5. 其他：责任心强，具备自主学习能力与团队协作精神，能快速理解需求并交付可用原型。
公司介绍
索
索尼（中国）有限公司
索尼（中国）有限公司，成立于1996-10-11，位于北京，法定代表人：吉田武司（YOSHIDA TAKESHI），登记状态：存续，注册资本12155.7万美元，公司类型：外企独资