职位描述
1. 核心模块研发（数据合成与质量评审）
参与工业表面缺陷的训练数据合成链路研发，在真实底图上生成带精确标注的缺陷样本，提升合成数据的真实性与标注可信度。
参与 LLM-as-Judge 质量评审闭环的设计与实现，筛选合格样本、审计标注质量，让合成数据可稳定进入训练池。
2. 多模态缺陷检测与模型后训练
探索用 多模态大模型（VLM）解决工业缺陷目标检测：设计检测 prompt 与输出协议，做零样本 / 少样本检测与后处理优化，提升缺陷的定位精度与召回。
参与 模型后训练：基于合成与真实数据对 VLM 做 SFT / LoRA 微调或 RL 后训练，构建训练数据、跑通训练链路、验证效果并迭代。
负责 VLM 缺陷检测 Benchmark 的模型接入、指标计算与报告输出，横评多个开源多模态模型并给出验收结论。
3. 技术方案与协作
与团队成员紧密配合，参与方案讨论，提出算法思路，落地方案实施，共同推动项目进展。
撰写相关技术文档，总结和沉淀研发经验，方便团队成员共享和后续查阅。
你将获得
前沿技术实践机会：深入参与工业缺陷检测领域的核心链路研发——VLM 合成、多模态评测、LLM-as-Judge、端侧量化部署，接触最前沿技术动态，提升专业技术水平。
丰富的项目实战经验：在真实工业项目中承担具有挑战性的任务，快速提升技术能力和工程实践水平；完整经历从方案设计、代码实现、跑批评测到报告输出的闭环。
良好的团队氛围：加入充满活力、鼓励创新的团队，与优秀工程师一起成长，拓展人脉资源。
实习证明与转正机会：表现优异的实习生将获得转正机会，成为团队正式一员，开启职业发展新篇章。
我们期待你的加入，共同打造安全高效的工业缺陷检测智能质检体系！任职要求
1. 学历背景
计算机科学、软件工程、人工智能、自动化等相关专业的在校本科生或研究生。
2. 技术基础
熟练掌握 Python，具备良好编程习惯；熟练 numpy / PIL / cv2 图像处理基础，会读 transformers 这类大型开源库的源码。
对 多模态大模型（VLM） 及其应用有一定了解，有 prompt 工程、VLM 调用、模型评测或数据合成相关项目经验者优先。
了解 目标检测、分割、评测指标（F1/IoU/mAP） 等视觉概念，有实际跑过 benchmark 的经验者更佳。
了解 模型后训练（SFT / LoRA / RLHF 等）流程，有 PyTorch 训练或微调开源模型经验者优先。
接触过 扩散模型（Diffusion）、LLM-as-Judge、或端侧部署（RKNN / INT8 量化）任一方向者优先。
3. 软素质
对开源项目充满热情，有强烈学习意愿和自我驱动力，能主动探索新技术。
具备良好沟通能力和团队协作精神，能与团队成员有效配合完成工作。
能够快速理解业务需求，并将其转化为技术实现，为业务发展提供技术支持。
