通义视觉多模态（理解）大模型算法工程师

工作描述

任职要求
1. 来自全球Top高校计算机科学、人工智能、计算机视觉、具身智能、机器学习、深度学习或相关领域应届毕业生，博士/硕士毕业生优先。
2. 在多模态模型（尤其是视觉语言模型）方面有扎实的理论基础和实践经验，熟悉图像、视频、3D、文本等至少两种模态的建模方法。
3. 在国际顶级计算机会议/期刊（如CVPR、ECCV、ICCV、NeurIPS、ICML、ICLR、ACL、TPAMI等）以一作身份发表论文，或在开源社区、计算机领域竞赛中有突出研究成果和项目经历。
4. 具备扎实的代码功底，熟悉PyTorch/TensorFlow/Transformer等框架，精通大语言模型原理及视觉编码器（如 ViT、ResNet）的设计与优化，能够高效实现复杂模型结构并进行大规模训练（曾参与千卡集群项目者优先）；ACM/ICPC，topcoder等编程比赛获奖者优先。
5. 对基础模型的前沿问题有持续热情，具备独立思考能力和系统性研究思维，敢于挑战现有范式。能够独立应用技术解决复杂问题，主导或深度参与过有影响力项目的人选优先。
…