美团多模态算法工程师
任职要求
1. 对大模型以及智能体技术和应用有浓厚兴趣和较强的自我驱动力，能够主动分析解决问题； 2. 有基于PyTorch等深度学习框架以及Megatron等分布式框架的实战项目经验，具有较强的编程能力； 3. 具有扎实的算法理论基础，熟悉主流大模型以及多模态模型，对模型背后的原理和各自适用场景有一定的理解； 4. 深入理解模型后训练技术（如对比学习、掩码建模）、多模态对齐策略（如跨模态注意力）、端到端训练及生成模型（如Di…
工作职责
1. 负责多模态大模型（文本、图像、视频、音频等）在AI搜索等方向的算法研究、设计与开发，推动模型在理解、生成、推理等任务上的性能突破。 2. 探索多模态后训练、对齐等核心技术，优化模型训练效率及跨模态任务泛化能力，以及场景应用的泛化能力； 3. 构建高质量离线多模态数据，设计数据增强及清洗策略，提升模型训练与应用服务效果； 4. 跟踪学术界与工业界最新进展，推进技术创新并形成技术前沿迭代机制，服务美团场景用户。
1.利用计算机视觉和人工智能技术，改进点评笔记、评价等多个点评创作产品的创作体验。 2.参与研发以计算机视觉和人工智能技术为核心的创新型内容玩法。 3.探索MLLM，LLM，VLM等相关算法前沿，应用于业务并解决实际业务问题。 4.负责对业务场景下相关技术问题进行分析、算法设计和上线，全面参与并推动各环节的高效运行，以实现持续的业务价值提升。 5.研究并开发智能Agent系统，优化用户与AI系统的交互体验。
1. 构建基于计算机视觉 + VLM/MLLM 的容器与商品语义理解体系，融合图像、点云与文本信息，提高复杂 SKU 识别与定位鲁棒性。 2. 设计检测/分割 + 3D 点云融合网络，实现多品混放场景的实例分割与 6D 抓取点预测。 3. 对 LLaVA、Qwen2-VL、InternVL2.5 等多模态大模型进行指令微调，支持机器人自然语言任务下达与动态规划。 4. 负责相机、雷达联合标定，多传感器融合（RGB-D + 点云 + 力矩传感器）。 5. 搭建自动标注与主动学习流水线，建设数据飞轮。 6. 关注行业最新多模态技术，快速验证并落地仓储场景。
1.负责垂直场景多模态大模型研发，包括图文、视频、音频等多个模态的预训练和SFT训练，探索合成数据在多模态训练上的应用； 2.负责大模型安全、内容治理、电商等多场景业务的内容理解，包括多模态表征、图文/视频意图理解、相同/相似判断、自动问答等； 3.负责跟踪和研究大模型前沿问题，并应用于解决实际的业务痛点。
1.负责垂直场景多模态大模型研发，包括图文、视频、音频等多个模态的预训练和SFT训练，探索合成数据在多模态训练上的应用； 2.负责大模型安全、内容治理、电商等多场景业务的内容理解，包括多模态表征、图文/视频意图理解、相同/相似判断、自动问答等； 3.负责跟踪和研究大模型前沿问题，并应用于解决实际的业务痛点。