中国电信人工智能研究院｜【视觉理解】计算机视觉与多模态大模型算法实习生

： 1. 负责多模态大模型的研发和应用， 探索超大规模模型，进行系统优化, 参与数据建设、指令微调、偏好对齐、模型优化、原型系统搭建、大模型应用构建； 2.参与多模态大模型的结构设计、模型优化、 强化学习后训练等； 3.研究相关技术在智能助手、智能硬件等领域的全新应用和解决方案，包括而不限于全模态理解生成，视觉Agent等能力； 4. 结合电信业务和开源技术，对大模型的特定能力进行针对性优化, 在相关应用落地，包括视频解析布控系统、事件检索系统、智能助手、智能硬件等。

岗位要求 1. 硕士及以上学历，数学、计算机、电子、自动化等相关专业； 2. 熟悉C++或Python，具有较强的代码开发能力，熟练在Linux下工作，熟悉Shell； 3. 熟悉深度学习算法如CNN、RNN、Transformer等，熟悉TensorFlow，Pytorch等其中一种深度学习框架；熟悉计算机视觉、图像处理等专业领域的学科知识； 4. 熟悉LLaVA等多模态大模型的框架、预训练和微调等技术，有 MLLM、LLM、RAG、UI Agent方向的实际落地经验优先； 5. 在国际会议或期刊（包括但不限于CVPR, ICCV, ECCV, NeurIPS, ICML, AAAI,TPAMI,IJCV, TIP等）上发表过论文者优先； 6. 每周出勤至少能够保证3天，可连续实习3个月以上者优先。