蚂蚁数字科技-计算机视觉及多模态算法工程师

岗位职责

一句话描述：参与CV、及多模态核心算法研发，涉及视觉对抗、多模态智能体的深度创新和产品应用。 团队成员皆来源于国内外知名高校和企业，并在CVPR、ICCV、ACM MM等顶级会议发表多篇学术论文，鼓励发表前沿学术论文和工程落地，具有业界一流的实习生待遇；

1. 负责多模态大语言模型（MLLM）图文对齐，富文本图像理解，视觉问答（VQA)等领域的前沿研究；
2. 深入金融等垂类行业，在具体业务场景探索多模态大模型（MLLM）与智能体（Agent）前沿应用如GUI Agent、Chart/DocVQA、OCR-free与OCR融合理解；
3. 在导师指导下发表前沿学术论文，撰写专利。

任职要求

1. 在读研究生（博士、硕士均可），人工智能、计算机、软件工程、数学等相关专业；
2. 拥有较丰富的科研经验或实际工程落地项目；
3. 有MLLM/VLM训练或微调经验；文档/表格/图表理解、VQA、视觉对抗/鲁棒性、RAG/Agent任一方向项目或论文成果
4. 参与过有影响力的项目或论文者优先，有推理模型研发经验者优先；
5. 具备较强的问题分析与解决能力，能够快速落地方案并进行效果验证；
6. 良好的沟通协作能力，能和团队一起探索新技术，推进技术进步。

特色标签

Agent、MLLM、OCR、Python、VQA、保险、信贷、免OCR解析、内容安全、分布式训练、区块链、反洗钱、发表算法相关优秀论文、合规、图像、图像-文本对齐、图像处理库（OpenCV等）、图像算法、图像问答、图文匹配、图文大模型、图表理解、图表问答、多模态文档解析、多模态算法、大模型算法、对抗样本防御、强化学习、推理优化、推理引擎、支付、数据安全、文本生成、文档图像理解、文档视觉问答、文档问答、无OCR理解、智能代理、智能体、有留学背景、机器学习、检索-生成融合、检索增强生成、模型加速/性能优化、模型推理、欧洲留学生、深度学习、理财、知识图谱、知识检索生成、端到端文档识别、算法工程化经验、自主代理、英美留学生、视觉-语言对齐、视觉对话、视觉攻击防护、视觉鲁棒性、语义理解、跨模态大模型、金融、银行、隐私计算