职位描述
岗位职责：
1、负责多模态理解与生成方向的核心算法设计、研发与优化，包括视觉–语言模型、动作生成模型、语义理解模型等；
2、主导从文本、视觉、动作、语音等多模态数据的建模与融合策略设计，提升机器人在决策、任务执行和交互中的智能水平；
3、构建并优化大规模多模态模型（如 VLM、Diffusion、多模态大模型 MLLM），提升生成质量、推理速度与真实场景鲁棒性；
4、参与具身智能相关算法研发，如任务规划、行为生成、动作预测、模仿学习等，为机器人提供端到端多模态能力；
5、搭建算法训练与评测流程，负责数据管线构建、标注规范制定、模型调优与效果分析；
6、与软件、感知、运动控制、产品团队合作，推动模型在机器人系统上的部署、加速与持续优化；
7、跟踪前沿技术，包括 Transformer、Diffusion、RLHF、LLM-Agent、多模态基础模型等方向，推动算法迭代与创新落地。任职要求
任职要求：
1、计算机、人工智能、自动化、电子工程等相关专业硕士及以上学历；
2、深入理解深度学习、多模态学习、Transformer、Diffusion Model 等技术体系；
3、熟练使用 PyTorch/JAX 等框架，具备大规模模型训练、分布式训练经验；
4、在多模态理解（VQA、图像/视频描述、视觉定位）或多模态生成（图像生成、动作生成、文本生成）方面有成熟经验；
5、有大模型训练优化、推理部署、模型压缩、量化加速等经验者优先；
6、熟悉 Embodied AI、模仿学习、强化学习、机器人认知建模者优先；
7、在顶会（CVPR/ICCV/NeurIPS/ICLR/ACL）发表论文或主导重要项目者优先；
8、具备良好工程落地能力、跨团队沟通习惯与自驱力。
