【快Star】多模态大模型算法工程师-Keye-【可灵AI专项】

岗位职责

团队介绍：Keye多模态大模型团队，作为「基座研发 + 产品赋能」双轮驱动的团队，致力于打通从Data到Product的最后一公里，打造最强的多模态理解底座。 1、深耕基座：攻坚多模态基座核心架构，探索Scaling Law的极致边界； 2、数据为王：构建工业级数据清洗与自动化评测体系，用高质量数据重塑智能； 3、进化智能：突破强化学习与推理增强技术，让模型更聪明、更可控。

依托可灵生态，与团队一同打造最具行业竞争力的多模态基座模型。我们的研发体系覆盖大模型全链路，候选人的工作方向涵盖但不限于以下三大核心领域——你可以结合自身的学术背景与技术兴趣自由选择，我们也非常鼓励跨界探索与能力延展：

方向一：多模态基座与预训练算法方向 聚焦架构范式革新，突破当前"语言模型+视觉适配器"拼接式设计的能力天花板，构建原生支持图/文/音/视频统一表征的新一代多模态架构； 参与万亿级参数多模态MoE模型的训练探索与稀疏注意力机制优化，设计更高效的跨模态语义对齐策略与超长上下文（Ultra-long Context）模型； 参与图像与视频场景的联合建模与因果视觉表征学习，探索并在超大规模集群训练中验证多模态Scaling Laws。

方向二：多模态后训练与智能体（Agent）演进方向 参与前沿模型后训练方法（如RLHF、PPO、OPD等对齐技术）的研究与工程实践，持续提升模型在复杂任务中的推理、理解与泛化能力； 探索多模态智能体在复杂场景中的能力落地，涵盖工具调用（Tool-use）、代码执行、信息检索、长程规划与闭环决策； 参与视觉智能体的底层能力建设，探索以视觉感知驱动的自主决策与任务执行范式（涵盖GUI操控、视频理解与个人助手等），并参与构建自动化迭代体系。

方向三：多模态数据治理与飞轮建设方向 参与大规模混合模态数据的深度治理，负责高精度OCR、高质量Caption生成及语义对齐数据合成，从根本上解决数据噪声与模态错位难题； 围绕智能Agent的推理规划与多轮交互，拆解真实场景需求，构建高质量的推理、决策与指令交互数据集； 参与商业化数据Pipeline与“用户交互-数据飞轮”闭环建设，通过高质量训练数据构建（Data-centric AI），实现完全数据驱动的模型自适应演进。

任职要求

1、计算机科学与技术、人工智能、自动化、数学等相关专业的应届硕士或博士； 2、具备扎实的计算机多模态/NLP/CV理论基础，有良好的数学底子，精通Python编程，具备极强的独立开发与调试能力； 3、熟悉至少一种主流深度学习或分布式训练框架（如 PyTorch、Megatron-LM、DeepSpeed 等）； 4、热衷于通用大模型（AGI）及新兴技术领域，深度认同数据与算法双轮驱动的价值，具备良好的沟通协作能力与极客精神。

加分项： 1、在 NeurIPS、ICLR、ICML、CVPR、ACL 等人工智能顶级会议或期刊上作为核心作者发表过高质量研究论文； 2、在 NOI、ACM-ICPC 等国内外知名算法竞赛中取得优异成绩； 3、有深度参与知名开源大模型项目经历，或在多模态、RLHF、Agent等前沿方向有扎实的实战经验。