职位描述

职位描述
1. 负责多模态文档解析模型的训练、调优、评测和部署；
2. 研究业务场景中版面分析、表格解析、全文解析的实现及优化，助力多模态大模型（LMM）在金融文档解析和信息抽取上落地；
3. 跟踪最新的 LMM 及人工智能领域进展，持续进行新技术迭代；
4. 进行文档场景、多模态场景相关的数据采集、清洗和制备。
职位要求
1. 本科及以上学历，计算机科学、数学、统计学等相关专业优先；
2. 具备扎实的 Python 编程能力，熟悉至少一种深度学习框架，能够在较短时间内理解源码，代码书写规范，具有良好的编程能力和扎实的数学理论基础；
3. 具备OCR、文档解析和多模态相关经验，熟悉 Qwen2.5-VL、GOT-OCR2.0等模型，有多模态大模型（LMM）相关经验者优先；
4. 熟练掌握 Linux 常用命令，熟悉Vim、Git 工具；
5. 有良好的文档书写习惯，能够编写规范化的技术文档；
6. 表达清晰，沟通顺畅，具备良好的团队协作和沟通能力；
7. 熟悉多模态方向的最新技术进展，关注行业前沿，对技术开发及应用有热情，有自己的想法并乐于挑战自我