工作职责 参与图片与文档图像的内容解析研究，利用 VLM 实现对复杂视觉内容的结构化理解与输出。 设计并实现合成训练数据生成方案，构建数据飞轮，持续提升数据质量与规模以驱动模型迭代。 基于开源 VLM 进行领域适配与微调（LoRA/QLoRA），探索模型在编辑与 AIGC 场景下的应用潜力。 建立模型评估体系，通过失败案例分析驱动数据与训练策略的持续优化。 跟踪 VLM、文档/图像理解、AIGC 等领域的前沿研究，为技术方案演进提供洞见。 任职资格 在读硕士或博士（研一研二 / 博一博二均可），计算机视觉、人工智能、机器学习或相关方向。 熟练掌握 Python 和 PyTorch，有独立复现论文并跑通数据处理、模型训练、评估全链路的能力。 熟悉至少一种主流微调框架（LLaMA-Factory / ms-swift / Hugging Face PEFT 等），对 VLM 微调流程有实操了解。 有探索欲望，善于快速验证想法；擅长使用 AI 编程工具（Copilot / Cursor / Claude 等 vibe coding 方式）提升工程效率。 自驱力强，能在技术指导下独立推进阶段性研究目标。 加分项 有文档解析、文档图像理解相关项目经验，有论文发表经历