工作职责： 1.负责多模态大模型（视觉-语言、图文理解等）的算法研究与开发，跟踪CLIP、LLaVA、Qwen-VL等前沿模型的技术演进。 2.参与多模态大模型在自动驾驶场景（如视觉感知、场景理解）和智能制造场景（如工业质检、缺陷检测）中的应用落地。 3.负责多模态数据的预处理、清洗、标注与增强，优化数据质量以提升模型泛化能力。 4.参与模型的训练、微调（Fine-tune）与推理优化，探索RAG、Agent等架构在多模态场景中的应用。 6.跟踪多模态大模型领域最新研究成果，在顶会（CVPR、ICCV、ACL等）发表高质量论文或申请技术专利。 任职资格： 1、2026年1月1日-2027年8月31日毕业，博士学历，计算机视觉、自然语言处理、人工智能等相关专业，在视觉-语言预训练、跨模态对齐与表征学习等方向有深入研究； 2、精通Python编程语言，熟练使用PyTorch、TensorFlow等深度学习框架，熟悉Transformer架构及多模态大模型（CLIP、LLaVA、Qwen-VL等）的原理与训练流程； 3、在CVPR、ICCV、ACL、NeurIPS等国际顶级会议以第一作者发表过高质量论文，或在国际知名竞赛中取得优异成绩； 4、具备良好的英文文献阅读与学术写作能力，能快速跟踪并复现前沿算法，有独立开展科研工作的能力； 6、有工业界合作经验、开源项目贡献，或对自动驾驶、智能制造场景有浓厚兴趣者优先。