职位职责 1. 参与 Agentic Video Understanding 项目的研发，探索基于 Vision-Language Model（VLM）和 Large Language Model（LLM）的长视频理解、多模态推理和视频智能分析技术。 2. 参与视频理解算法的设计、实现与优化，包括但不限于： o Query-conditioned Video Retrieval o Highlight / Keyframe Discovery o Temporal Grounding o Video Captioning o Long Video Understanding o Video Agent 与 Multi-Agent Pipeline 3. 协助构建高质量视频数据集及自动化评测体系，包括数据清洗、Prompt 设计和 Benchmark 构建。 4. 跟踪 Video-LLM、Vision-Language Models、Agent、Reasoning 等方向的最新研究成果，探索其在动漫、游戏及 IP 内容理解中的应用。 5. 参与项目讨论，提出创新性的技术方案，并完成实验设计、结果分析及技术文档撰写。 岗位要求 1. 教育背景 计算机科学、人工智能、自动化、电子工程、数学等相关专业硕士或博士在读。 2. 专业知识 具备扎实的计算机视觉、机器学习和深度学习基础，熟悉至少一个以下方向： • Video Understanding • Vision-Language Models (VLM) • Large Language Models (LLM) • Multimodal Learning • Video Retrieval • Temporal Grounding • Video Captioning 3. 相关经验 满足以下任意一项者优先： • 有 Video-Language、Video Retrieval、VideoQA、Temporal Localization、Video Captioning 等相关研究或项目经验； • 熟悉 CLIP、SigLIP、InternVL、Qwen3.6、LLaVA、Video-LLaMA、等 Vision-Language Model； • 有 Agent、RAG、多智能体（Multi-Agent）或 LLM 应用开发经验； • 有 CVPR、ICCV、ECCV、NeurIPS、ICLR、ACL、EMNLP 等相关研究经历者优先。 4. 编程能力 熟练掌握 Python，熟悉 PyTorch 等深度学习框架，具备良好的代码能力和工程实现能力。 加分项 • 熟悉 Hugging Face、Transformers、vLLM、OpenAI API 等 AI 开发工具链； • 熟悉视频处理工具（FFmpeg、OpenCV、PySceneDet 等）； • 具备良好的英文论文阅读能力，能够快速复现最新工作。 我们希望你具备 • 对 Video AI、Vision-Language Model、Agent 等前沿方向充满兴趣； • 具备良好的科研能力和工程实践能力； • 善于主动学习，对新技术保持持续关注； • 具备良好的沟通能力和团队协作精神。 你将获得 • 参与业界前沿的 Agentic Video Understanding 技术研发； • 接触最新的 Video-LLM、VLM Agent、长视频理解、多模态大模型等技术； • 与资深算法工程师共同推进从研究到产品落地的完整流程； • 鼓励探索创新课题，支持论文发表与开源项目实践。