职位描述
我们致力于构建面向科学发现的下一代科学多模态大模型基础设施，推动AI for Science的前沿探索。团队聚焦于科学文献的深度理解与结构化知识抽取，赋能科研创新。
岗位职责
1.负责科学多模态大模型（VLM）的架构设计，探索跨模态对齐、科学图表理解、化学信息理解、结构化知识抽取等关键技术；
2.参与模型全链路研发（预训练/SFT/RL/Agent/Tools/应用）；
3.参与构建科学文献理解的数据闭环与评测体系；
4.推动端到端科学文档智能系统的落地，包括OCR、化学结构理解、文献检索、RAG、Paper Agent等；
5.负责分布式训练优化与模型部署，支撑大规模多模态模型的高效推理。任职要求
1.计算机/AI相关专业硕士及以上学历；
2.扎实的机器学习与深度学习基础，熟悉 PyTorch；
3.具备多模态大模型训练或微调经验，或熟悉 CV / NLP / ML 等至少一个方向；
4.优秀的代码能力与工程实践经验，具备自信的 Python / C++ 人肉编程能力，能将研究成果快速落地。
加分项
1.顶会论文（CVPR/ICCV/ECCV/NeurIPS/ICML/ICLR/ACL等）或高影响力开源项目；
2.ACM/Kaggle/天池等竞赛获奖经历；
3.开源知名 github repo 或 huggingface repo 的contributor；
4.百亿级以上参数多模态大模型训练经验 (Pretrain / SFT / RL)；
5.百万级以上大模型训练数据集构建经验；
6.熟悉分布式训练框架（DeepSpeed/Megatron）；
7.Document Intelligence相关经验（OCR/DocVQA/化学结构识别）。
