课题详情： 多模态搜索面临跨模态语义鸿沟、检索效率与精度失衡、多轮多模态交互记忆缺失等核心难题。亟需攻克多模态信息的统一表征、高效检索与全链路协同优化技术，突破现有搜索系统在多模态场景下的能力瓶颈，满足用户的需求。 参与多模态Agent理解、跨模态表征、多模态检索能力和系统建设，突破现有搜索系统在多模态场景下的能力瓶颈，满足元宝用户在复杂知识问答、跨模态内容溯源、个性化多模交互等场景的高满意度需求。 课题要求： 1、来自计算机、人工智能、自动化、电子信息或数学等相关专业的博士/硕士同学，在多模态大模型（VLM）、大语言模型（LLM）或视觉推理等领域有深厚学术背景或顶会（CVPR、ECCV、ICLR、ACL、NeurIPS等）第一作者论文发表经历者优先； 2、掌握多模态表征、多模态理解、思维链（CoT）、强化学习（DPO/PPO）等算法及应用；熟练掌握计算机视觉和图像处理相关的基本算法及应用，精通 Python 语言，熟练掌握 PyTorch 等主流深度学习框架及大模型训练推理工具； 3、具备卓越的自驱动力与逻辑拆解能力，能够从复杂现象中提炼科学问题；沟通协作能力强，拥有极佳的学术视野，能快速研读并复现前沿论文，对探索通用人工智能（AGI）具有强烈的热情。