高德地图高德-视觉算法高级工程师/专家（感知识别方向）-视觉技术中心（急招）
任职要求
1、计算机、电子信息、数学等相关专业，硕士及以上学历； 2、有扎实的深度学习基础，对于常⻅的视觉感知识别任务（如⽬标检测、分割、跟踪）任⼀⽅⾯有深⼊理解，对于领域内的相关⽅案在实际中的效果深入理解。相关工作经验不少于5年； 3、对常⻅道路⽬标感知（如⻋道线等）有实际经验者优先。有移动端模型轻量化经验者优先； 4、有…
工作职责
● 参与⻋道级导航业务，打造下⼀代导航产品。作为核⼼算法模块负责⼈，负责⻋道级视觉定位能⼒的建设。根据业务需求和问题，设计技术架构和问题解决⽅案，与上下游配合，完成技术在实际业务落地，保障产品交付效果。
● 参与⻋道级导航业务，打造下⼀代导航产品。作为核⼼算法模块负责⼈，负责⻋道级视觉定位能⼒的建设。根据业务需求和问题，设计技术架构和问题解决⽅案，与上下游配合，完成技术在实际业务落地，保障产品交付效果。
1、负责基于扩散模型的世界生成、视频生成等相关场景的算法研发工作，结合实际应用场景攻克技术难题，包括世界生成过程中的可控性、时空一致性、实时性等问题； 2、参与并主导生成式大模型核心算法研发，包括 Diffusion、Autoregressive（AR）、VAE、Transformer 等架构。研发时空视频编码、压缩与生成算法，优化模型在生成任务中的一致性与时序表现。设计并实现从预训练到后训练（SFT、RLHF）的全流程模型优化方案，提升生成质量、可控性和效率； 3、负责生成式大模型的总体技术架构设计，探索多模态融合、跨任务迁移等创新方向，跟踪前沿研究进展，进行技术评估与落地转化，推动团队在行业/学术上的技术领先。
1. 多模态大模型研发与落地： - 负责工业视觉质检领域多模态大模型的构建、训练与优化，解决传统CV模型在复杂背景、小样本、零样本缺陷的识别率低的问题。 - 研究并应用多模态融合技术（如图像+文本描述、图像+参数），提升模型对工业缺陷的语义理解与泛化性能，同时实现工业缺陷的自然语言描述生成和智能问答。 - 搭建面向大模型的质检数据生产与清洗的pipeline，包括高质量图文对齐数据的构建、合成数据生成等，并设计模型效果评估体系，驱动算法的持续迭代与优化。 - 针对工业场景的实时性与高精度要求，负责大模型的轻量化部署与推理加速（如量化、剪枝、蒸馏）。 2. 质检Agent智能体构建： - 负责设计并主导研发面向工业视觉质检场景的智能Agent，具备多模态理解能力，能够融合图像、文本（如工艺标准SOP）、传感数据等信息，实现对缺陷的自动化判定、描述、归因及溯源。 - 构建面向质检场景的Agent工作流（Workflow），包括任务规划（模型自动择优等）、节点调用（训练任务的全流程、工具搭建业务流等等）、结果反馈。 - 负责构建并维护质检领域的专业知识库（RAG），结合向量数据库技术，提升Agent在特定缺陷场景下的准确性和可解释性。 3. 大模型微调与优化： - 针对工业质检的小样本、长尾分布问题，设计并实施高效的大模型微调策略（如LoRA、P-Tuning等），提升模型在特定质检任务上的识别检出能力。 - 持续跟进多模态大模型、AIGC、Agent等领域的最新前沿技术进展，并引领团队进行技术预研和创新，探索其在工业缺陷检测中的应用潜力。
1. 负责视觉生成大模型 Post-Training 核心算法研发，包括 RL、蒸馏、reward model等，持续提升生成结果的质量与多样性 2. 跟踪视觉生成领域的最新学术进展和行业动态，鼓励发表高水平论文和开源成果，提升团队算法影响力 3. 参与高质量训练数据的构建与合成，包括但不限于数据清洗、标注与评估体系搭建等 4. 探索多模态理解与生成统一架构，探索视觉感知与生成能力的协同演进，推动文本、图像、视频等多模态信息的联合建模