【基座大模型北斗实习】多模态大模型技术研究

岗位职责

简介：参与多模态大模型方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进：

1. 多模态预训练与后训练技术创新，提升模型在 OCR、文档图表解析、Visual Grounding、细粒度感知、视觉问答等核心任务上的能力上限。
2. 多模态强化学习方案设计，实现视觉感知与多模态理解场景下的高性能可信输出与幻觉抑制。
3. 视觉推理能力增强研究（Visual CoT、PRM 等），提升模型在复杂视觉任务上的推理深度。
4. 工具调用与 Agent 能力构建，探索多模态模型在规划决策场景中的综合表现。
5. 长上下文视觉理解与 GUI 能力研究，提升模型在长程复杂任务上的综合能力。
6. 其他你坚信路线正确的多模态大模型前沿方向。

任职要求

1. 具备视觉多模态大模型的预训练或后训练研究经历；
2. 熟悉PyTorch，有充分的动手实践经验。

加分项：

1. 社区影响力：在多模态大模型领域有影响力的开源项目中做出过核心贡献；
2. 学术影响力：发表过高水平论文（如ICLR、CVPR、ICCV等），有相关竞赛经历并取得名次。