岗位职责：

1. 负责多模态感知与理解算法研究，包括但不限于视觉、语言、语音、状态等多模态特征的表示、对齐与融合；

2. 开发面向复杂场景的多模态语义理解、检索、生成与决策算法，探索大模型（LLM/VLM）在多模态任务中的应用；

3. 研究并实现跨模态对齐、语义表示学习及多模态知识建模方法，构建可迁移、可泛化的算法体系；

4. 跟踪国内外多模态学习及大模型的前沿进展，提出创新性解决方案并推动成果发表和应用；

5. 与团队成员合作，共同解决研发落地中遇到的其他难点问题，推动算法在实际场景的落地。

工作要求：

1. 计算机科学、人工智能、模式识别、数学等相关领域博士学历；

2. 熟悉多模态特征表示、跨模态对齐与融合、深度学习基础理论，具备自然语言处理或计算机视觉相关研究经验；

3. 熟练掌握 C++/Python 编程，熟悉 Linux 开发环境及主流深度学习框架（PyTorch/TensorFlow）；

4. 具备大模型（LLM/VLM）、跨模态检索、VQA、VLA 等方向研究经历或工程经验者优先；

5. 具备良好的问题分析与解决能力，善于跨团队协作，对前沿技术探索和创新有浓厚兴趣。