朝阳区
职位详情
职位描述：
1. 技术研发
1）设计并实现基于大语言模型的多模态理解统一架构，深入探索视觉、语言与语音模态间的联合表征学习与协同理解方法；
2）研究多模态视觉预训练的前沿范式，攻克多模态对齐、跨模态推理、数据挖掘与合成、性能评估等核心技术瓶颈；
3）推动视觉理解类大模型与视觉生成类大模型的深度融合，构建支持图像、视频、语音等多种模态理解与生成的通用化大模型体系及大规模训练流程。
2. 应用落地
1）构建具备行业领先水平的核心算法能力，包括但不限于视频问答（VideoQA）、智能图文描述生成（Captioning）、细粒度识别、跨模态检索等；
2）推动大模型技术在检测、分割、识别等传统计算机视觉任务中的统一建模与范式升级；
3）探索多模态理解与生成技术在内容创作场景（如图文生成、视频生成、语音合成）中的实际应用与规模化落地路径。
职位要求：
1. 具备计算机视觉、多模态理解与表征学习、视觉-语言大模型训练及相关项目落地经验者优先考虑；
2. 熟悉计算机视觉领域的基础理论与主流方法，掌握PyTorch等常用深度学习框架的开发与调优；
3. 拥有大规模模型训练与分布式训练工程实践经验者优先；
4. 在计算机视觉与模式识别领域顶级会议（CVPR/ICCV/ECCV/ICML/NeurIPS/ICLR）或权威期刊（TPAMI/IJCV）发表过论文者优先。
1. 技术研发
1）设计并实现基于大语言模型的多模态理解统一架构，深入探索视觉、语言与语音模态间的联合表征学习与协同理解方法；
2）研究多模态视觉预训练的前沿范式，攻克多模态对齐、跨模态推理、数据挖掘与合成、性能评估等核心技术瓶颈；
3）推动视觉理解类大模型与视觉生成类大模型的深度融合，构建支持图像、视频、语音等多种模态理解与生成的通用化大模型体系及大规模训练流程。
2. 应用落地
1）构建具备行业领先水平的核心算法能力，包括但不限于视频问答（VideoQA）、智能图文描述生成（Captioning）、细粒度识别、跨模态检索等；
2）推动大模型技术在检测、分割、识别等传统计算机视觉任务中的统一建模与范式升级；
3）探索多模态理解与生成技术在内容创作场景（如图文生成、视频生成、语音合成）中的实际应用与规模化落地路径。
职位要求：
1. 具备计算机视觉、多模态理解与表征学习、视觉-语言大模型训练及相关项目落地经验者优先考虑；
2. 熟悉计算机视觉领域的基础理论与主流方法，掌握PyTorch等常用深度学习框架的开发与调优；
3. 拥有大规模模型训练与分布式训练工程实践经验者优先；
4. 在计算机视觉与模式识别领域顶级会议（CVPR/ICCV/ECCV/ICML/NeurIPS/ICLR）或权威期刊（TPAMI/IJCV）发表过论文者优先。
2026-07-06 14:50
IP属地：北京
职位福利
硕士5-10年表征学习视频生成理解图文理解llm多模态模式识别多模态理解多模态算法多模态大模型
杭州阿里云飞天信息技术有限公司
10000人以上
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
收藏职位
