1.硕士及以上学历，计算机、人工智能、模式识别、计算机视觉或相关专业。 2.具备3年以上多模态、计算机视觉、视频理解或大模型算法研发经验。 3.熟练使用Py thon和PyTorch，能够独立完成模型结构开发、训练、调试和实验分析。 4.熟悉Transformer、注意力机制、视觉编码器、语言模型和跨模态交互模块。 5.熟悉对比学习、跨模态对齐、多模态融合、多任务学习等算法。 6.熟悉视觉语言模型或全模态模型的训练流程，具备真实模型训练经验，不限于接口调用。 7.熟悉监督微调、视觉指令微调、偏好优化或强化学习中的一种以上。 8.熟悉图像分类、目标检测、视觉指代、视频理解或音视频联合建模中的两类以上。 9.具备视频时序建模经验，熟悉时序注意力、状态转移识别或动作识别方法。 10.具备多模态数据集建设经验，能够设计样本组织方式、正负样本和任务标签。 11.具备独立设计损失函数、训练策略和评测指标的能力。 12.能够通过消融实验、错误样本分析和数据分布分析定位模型问题。 13.具备较强的论文阅读和算法复现能力，能够将前沿方法迁移到实际任务。 14.能够独立完成从任务定义、数据构建、模型设计到算法验证的完整研发过程。 【加分项】 1.具备视觉语言模型、音视频大模型或全模态模型训练经验。 2.具备多模态断言、视觉问答、视觉指代或视频时序推理项目经验。 3.具备GUI Agent、Computer Use Agent或智能终端操作模型研发经验。 4.熟悉模仿学习、强化学习、世界模型或智能体策略学习。 5.具备多模态自学习、主动学习或不确定性估计相关经验。 6.在多模态、计算机视觉、大模型或智能体方向发表过论文或拥有开源项目。