智能文档理解算法专家

岗位职责

1.主导智能文档处理清洗链路建设，支持多源多格式的文档如PDF文档解析、结构化信息抽取、纠错处理等。 2.研究和应用先进的文档解析技术，例如 OCR、文本分析、信息抽取、自然语言处理等。 开发和优化文档解析算法和模型，提高解析精度和效率。 3.结合多模态大模型对文档分析和理解中涉及到的版面分析、表格理解、结构化信息抽取等核心课题进行深入探究。

任职要求

1.三年以上产品/项目研发经验，对多源异构文档有深刻的理解，对文档解析策略具有丰富的工程经验。熟练掌握常见数据结构和算法，能够解决复杂的字符串处理、模式匹配和优化问题。 2.熟悉主流OCR引擎（如 Tesseract, PaddleOCR, Google Vision AI, AWS Textract）的原理、应用和调优。熟悉图像预处理技术，如二值化、去噪等。 3.具备NLP相关技术背景和实际开发能力，能够使用规则、机器学习或深度学习模型从文本中抽取关键信息。 4.熟悉处理不同格式文档的处理库，并对工程和工具调优方法有持续的跟踪了解。有处理复杂版式文档（如法律合同、医疗报告等）的经验，能解决表格结构识别等问题。 5.具备良好的逻辑思维、结构化分析与抽象建模能力，拥有实际的智能文档处理项目经验，能够独立完成从数据准备、模型训练到系统部署的全流程。