小米多模态大模型算法工程师实习生—武汉
任职要求
1、硕士及以上学历，计算机、人工智能及机器学习等相关专业； 2、有自然语言处理、计算机视觉、视频理解等技术背景者优先； 3、有大模型预训练、指令微调或强化学习等项目经验者优先； 4、掌握机器学习和深度…
工作职责
1、深入调研多模态、计算机视觉和自然语言处理等方向的前沿技术 2、推进视觉信息语义分割与编码的研究，设计自监督学习任务，在大数据上训练较大参数规模模型； 3、探索视觉与语言的语义对齐方法，和多模态多任务联合训练
1、参与图像、视频生成相关领域研发工作，探索视觉生成领域前沿方向 2、参与图像生成与编辑、视频可控生成、多模态视觉生成、视觉生成领域强化学习等方向研究 3、分析和解决算法产品化过程中出现的效果、性能等问题 4、参与学术研究，产出影响行业的科研成果
1. 学术成果转化：将公司在多模态大模型、视觉理解、智能体等方向的技术积累整理为高质量学术论文（顶会/顶刊）及发明专利 2. 预研探索：跟踪前沿进展，在以下一个或多个方向开展预研工作： - 目标检测与视觉感知（2D/3D 检测、分割、跟踪） - 多模态视觉理解（VLM、图文推理、视觉问答） - 智能体规划与决策（Agent Planning、Tool Use、多步推理） 3. 原型验证：设计并实现算法原型，完成实验评估与技术报告撰写 4. 技术协作：与工程团队协同，推动预研成果在产品中的落地验证
该职位专注于自动驾驶场景下多模态大模型（VLA：Vision-Language-Action）的工程化落地，你将有机会在千万级数据上实车验证关于自动驾驶VLA的最新想法： 多模态模型工程化部署：结合视觉、语言与行为动作的联合建模机制，优化多模态模型的推理效率，支持自动驾驶系统的实时应用； 实车测试与性能验证：参与自动驾驶场景中的模型测试与性能评估，设计测试案例，分析模型在实际驾驶环境中的响应能力与行为决策效果； 数据采集与处理：负责多模态数据（视觉、语言、行为）的采集、标注与处理，构建高质量数据 pipeline，优化数据流的实时性与稳定性； 模型优化与轻量化：探索模型蒸馏、小样本泛化等技术，提升模型在自动驾驶复杂场景中的部署效率与资源利用率； 系统集成与技术支持：协助完成多模态模型与自动驾驶系统的集成测试，解决工程化落地过程中的技术问题； 技术文档与成果转化：撰写工程化技术文档，总结实车测试经验，参与技术报告、专利申请或产品转化工作。