多模态/VLA 研究科学家

工作职责：
1. 参与多模态模型、视觉模型、语言模型、VLA 模型的训练、微调、评测与迭代。
2. 负责多模态训练数据 pipeline 建设，包括图像、视频、文本、动作数据的收集、清洗、过滤、标注、质量评估与数据构建。
3. 参与视觉语言模型、视频理解 / 生成模型、VLA / Robotics 模型、世界模型等方向的研发与实验。
4. 负责模型训练与评测流程搭建，包括数据处理、训练配置、实验管理、benchmark 评测、结果分析与模型迭代。
5. 参与大规模图文、视频、动作数据的清洗与对齐，提升模型在视觉理解、空间推理、动作预测和任务泛化上的能力。
6. 跟踪并复现多模态、VLA、视觉生成、世界模型等前沿工作，推动研究结果落地到公司核心模型能力中。

能力要求：
1. 有模型训练经验：参与过 LLM、VLM、多模态模型、视觉模型、视频模型、VLA / Robotics 模型中的至少一种训练、微调、评测或数据构建工作。
2. 有数据清洗经验：做过大规模图文、视频、语料、机器人轨迹或 action 数据的清洗、过滤、对齐、质量评估者优先。
3. 工程能力强：熟练 Python / PyTorch，能够独立完成数据处理、训练、推理、评测与实验分析。
4. 理解多模态模型方向：熟悉视觉语言模型、图文对齐、视频建模、视觉生成、VLA、世界模型或具身智能中的一个或多个方向。
5. 学习能力强、基础扎实：硕士及以上学历优先；AI / CS / 数学 / 物理 / 机器人 / 视觉方向背景优先。
6. 对 AI 有强烈信念：相信多模态、VLA、世界模型是通往 AGI 的重要路径，愿意在早期高速迭代环境中快速学习和交付。

加分项：
1.训过或微调过 LLM / VLM / Diffusion Model / Video Model / VLA / Robotics Policy。
2.做过大规模图文数据、视频数据、机器人轨迹数据、action 数据清洗。
3.熟悉 HuggingFace、DeepSpeed、FSDP、vLLM、SGLang、Ray、LLaMA-Factory 等训练或推理框架。
4.有 robotics、embodied AI、world model、video-action modeling 相关经验。
5.有顶会论文、开源项目、竞赛奖项，或从 0 到 1 搭建模型 / 数据 / 训练 pipeline 的经验。