商汤｜多模态算法实习研究员（视觉推理方向）

1、技术研究：参与多模态理解与生成相关技术研究，探索基于图文生成、视频生成等实现视觉推理的新范式，提升模型复杂推理能力； 2、数据与评测体系构建：参与多模态数据体系建设，包括图文/视频数据的采集、处理与增强管线设计与优化，构建高质量训练与评测数据集； 3、模型训练与优化：参与多模态大模型的架构设计、模型训练、推理优化及性能调优，持续提升模型能力； 4、技术沉淀与产出：参与研究报告、技术文档的撰写。

1、计算机科学、人工智能、自动化、数学等相关专业本科及以上学历； 2、扎实的深度学习、计算机视觉及机器学习基础，熟练掌握 Python，熟悉 PyTorch 等深度学习框架，具备良好的代码实现能力； 3、熟悉统一多模态模型（如 BAGEL）、多模态大模型（如 InternVL）、图像生成模型（如 FLUX）或视频生成模型（如 Wan），以及视觉推理方向的相关研究（如 Visual CoT），并具备相关研究或项目实践经验； 4、具有模型预训练、后训练、模型评测或大规模数据处理经验者优先； 5、具备良好的英文文献阅读能力、科研能力及团队协作能力，每周实习不少于 5 天，实习时长 5 个月及以上。