成都·武侯区
职位详情
职位描述：
负责多模态文档智能算法的开发与性能提升，涉及试卷结构解析、图像去手写、去水印及增强等方向；开展多模态模型的监督微调（SFT）与强化学习微调（RLHF），推进模型在 OCR、试卷文档结构化与图像重建场景的实际应用。
岗位职责：
1. 掌握传统OCR中的文本检测、文字识别、公式识别等核心技术。
2. 熟悉主流多模态算法框架，如 CLIP、BLIP、NaViT、Qwen-VL、InternVL、CogVLM 等。
3. 对视觉与语言融合的多模态模型进行微调与优化，包括 Qwen-VL、InternVL、CogVLM 系列模型；
4. 运用 SFT、RLHF、DPO 等方法增强模型在 OCR 与文档理解任务中的语义解析与内容生成能力；
5. 承担文档图像中手写痕迹去除、水印消除、画质增强与结构复原的技术建模（如 EraseNet、STRNet、Diffusion 等方法）；
6. 设计并优化试卷版面结构检测与布局分析算法，实现复杂试卷内容的区域划分与结构提取；
7. 提升模型推理效率与跨模态对齐精度，支撑多模态系统在实际生产环境中的稳定部署。
任职要求：
1. 计算机视觉、机器学习、人工智能等相关专业背景；
2. 理解多模态模型架构及其训练与微调流程；
3. 具备 SFT 或 RLHF 实际项目经验，可独立完成多模态模型的训练与参数调优；
4. 熟悉图像去噪、增强、修复等任务的网络设计与数据构建方法；
5. 拥有扎实的编程工程能力与模型压缩、加速等方面的实践经验。
负责多模态文档智能算法的开发与性能提升，涉及试卷结构解析、图像去手写、去水印及增强等方向；开展多模态模型的监督微调（SFT）与强化学习微调（RLHF），推进模型在 OCR、试卷文档结构化与图像重建场景的实际应用。
岗位职责：
1. 掌握传统OCR中的文本检测、文字识别、公式识别等核心技术。
2. 熟悉主流多模态算法框架，如 CLIP、BLIP、NaViT、Qwen-VL、InternVL、CogVLM 等。
3. 对视觉与语言融合的多模态模型进行微调与优化，包括 Qwen-VL、InternVL、CogVLM 系列模型；
4. 运用 SFT、RLHF、DPO 等方法增强模型在 OCR 与文档理解任务中的语义解析与内容生成能力；
5. 承担文档图像中手写痕迹去除、水印消除、画质增强与结构复原的技术建模（如 EraseNet、STRNet、Diffusion 等方法）；
6. 设计并优化试卷版面结构检测与布局分析算法，实现复杂试卷内容的区域划分与结构提取；
7. 提升模型推理效率与跨模态对齐精度，支撑多模态系统在实际生产环境中的稳定部署。
任职要求：
1. 计算机视觉、机器学习、人工智能等相关专业背景；
2. 理解多模态模型架构及其训练与微调流程；
3. 具备 SFT 或 RLHF 实际项目经验，可独立完成多模态模型的训练与参数调优；
4. 熟悉图像去噪、增强、修复等任务的网络设计与数据构建方法；
5. 拥有扎实的编程工程能力与模型压缩、加速等方面的实践经验。
2026-09-03 15:05
IP属地：四川成都
职位福利
本科1-3年YOLO图像算法大模型算法多模态算法wen-vl、internvl系列文字公式识别RTDETRPython大模型LLM/MLLM的微调
北京曲一线图书策划有限公司
不需要融资 · 1000-9999人
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
1.5-2万元/月
算法工程师1-3年本科C/C++Shell机器学习图像算法深度学习大模型算法多模态算法算法工程化经验并行计算模型加速/性能优化Python
成都 武侯区
收藏职位
