工作内容：
1.负责多模态大模型的研发，主要是图像、文本、语音、视频等数据对齐、训练、优化；
2.负责文生图、文生视频、数字人研发；
3.负责RAG优化、多智能体研发。
技能要求：
1.能够处理不同模态数据（如图像、文本、语音、视频等）的能力，理解如何从不同类型的数据中提取信息并进行有效融合；
2.掌握多模态对齐技术（如图像-文本对齐、语音-文本对齐等）以及跨模态信息融合的算法，提升不同模态数据间的协同工作能力；
3.熟练掌握图像处理和计算机视觉技术，如图像分类、目标检测、语义分割、图像生成等；
4.根据业务场景研发智能体流。