多模态视觉理解与生成算法专家（杭-T85）

工作职责： 1、负责面向人像摄影场景的智能拍摄系统（Agent）算法架构设计与性能优化； 2、主导多模态视觉感知与理解方向的大模型（如VLM、CLIP等）算法研发、实现及效果提升； 3、推进大语言模型（LLM）在摄影场景中的推理逻辑与建议生成能力优化； 4、融合强化学习反馈机制（RLAIF），增强智能体在实际应用中的决策与推荐表现； 5、开展AIGC图像生成与编辑类算法在具体业务场景中的落地优化与效率升级。 职位要求： 1、熟练掌握深度学习与图像处理相关算法，具备扎实编程基础，能够高效使用Python进行开发； 2、具有多模态理解与生成技术的实战经验，熟悉CLIP、VLM、LLM、RLHF、RLAIF、智能体（Agent）、SD、AIGC等核心技术，具备优秀的算法实现与调优能力； 3、具备良好的沟通协作能力，能准确把握业务需求，并与团队协同推动项目进展；关注技术前沿，富有创新意识，具备自主学习和持续成长的能力； 4、在顶级学术会议发表过论文或拥有博士学位者优先录用。