职位描述
1、负责 PE Model、Caption Model、Reward Model 三类 VLM 的训练与优化，基于千卡级算力进行大规模模型训练，探索 SFT、RL、Agentic RL 等训练方法，持续提升模型在视频理解、视频描述和视频质量评价等任务上的能力，训练业界 SOTA 的视频理解 VLM 和流式视频理解 VLM；
2、负责 VLM Agent 的设计与训练，探索 VLM 在复杂视频理解任务中的 Agent 化能力，包括任务规划、工具调用、多轮推理、长视频分析等，结合 Agentic RL 等方法提升模型复杂任务的自主推理与问题解决能力；
3、负责三类 VLM 的训练数据构建与优化，针对视频理解、视频描述、视频质量评价等任务，通过规则匹配、自动化方法及外包标注团队进行数据筛选、标注和质检，持续提升训练数据的规模与质量，并探索适用于 Agentic RL 的训练数据与反馈信号构建方法；
4、负责三类 VLM 的 Benchmark 构建与迭代，设计评测任务、评测数据和评价指标，建立完善的模型评测体系，通过 Benchmark 定位模型能力短板，指导模型训练、数据和 Agent 策略迭代；
5、负责 PE Model、Caption Model、Reward Model 的 System Prompt、推理策略及使用方案优化，根据模型能力和具体任务持续调整 Prompt 与推理策略，探索 VLM Agent 的任务规划、工具调用和多步推理策略，充分挖掘模型能力；
6、围绕模型训练效果建立「数据 → 训练 → Agent → 评测 → 优化」闭环，持续探索视频理解 VLM 的 Scaling、RL 和 Agentic RL 等方向，推动模型能力达到业界领先水平。任职要求
1、专业：计算机、人工智能、软件工程、电子信息等相关专业；
2、VLM训练经验：具备 VLM/LLM 的大规模训练经验，熟悉 SFT、RL 等训练方法，理解数据、训练策略与模型能力之间的关系；有视频理解、多模态大模型训练经验者优先；
3、Agent / RL 能力：了解或具备 VLM Agent、Agentic RL、RLHF、RLAIF、Reward Model 等相关经验，理解 Agent 训练、奖励设计、轨迹采样和策略优化等基本方法；有实际 Agent 训练或复杂推理任务优化经验者优先；
4、模型优化能力：熟悉 VLM 的训练与推理流程，具备较强的模型效果分析和问题定位能力；有 PE Model、Caption Model、Reward Model 相关经验者优先；
5、数据与评测能力：具备 VLM 数据构建、数据标注、数据质检或 Benchmark 构建经验，能够从模型效果出发反向分析数据问题并设计针对性的优化方案；
6、其他加分项：有顶会论文；熟悉主流 VLM、强化学习、Agent、视频理解模型及视频生成模型，对 VLM Scaling、RL、Agentic RL 等方向有深入理解，并具备较强的独立研究和问题分析能力。
