研究型实习生-以Deepseek-OCR为典范的大模型压缩技术在密集文本凭证识别场景的应用研究

岗位职责

研究领域： 多模态大模型 项目简介： 当前，凭证识别主要有2大痛点，1是大模型在密集文档识别上的速度过慢、精度不够，2是在面对文本内容细微差异的情况下，往往难以准确识别和处理。 这些问题都影响了业务使用的体验和流畅性，增加了业务消费的成本。 本项目旨在推动更前沿的大模型压缩与高精度文字识别技术在智能凭证上的应用，提高凭证识别的准确率，增强产品的行业竞争力。

任职要求

研究领域：

• 目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位
• 具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go
• 具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用：
• 对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色
• 在国际会议上或核心期刊发表一份或多份出版物或论文
• 至少3个月的全职工作

特色标签

C/C++、Golang、Java、Python、保险、光学字符识别、单据识别、卡证识别、发表算法相关优秀论文、多模态大语言模型、多模态算法、多模态预训练模型、大模型算法、密集文档OCR、小字密集识别、小差异文本识别、文字检测识别、文字识别、智能单据、智能卡证、智能票据、有留学背景、模型剪枝、模型加速/性能优化、模型蒸馏、模型量化、深度学习、票据识别、细粒度文字识别、视觉语言大模型、财务、轻量化大模型、金融、银行、高准确率文本识别、高密度文字识别