Dots-多模态算法工程师· 2026-06-01

1. 多模态基础大模型研发：参与图像、视频、文本等多模态大模型的预训练、后训练（SFT/RLHF）及对齐优化，持续提升模型的通用理解与生成能力； 2. 多模态评测体系建设：设计并完善多模态模型评测维度、方法与指标，建设高效评估系统，驱动模型迭代上线； 3. 数据与训练工程：主导多模态训练数据的采集、清洗、筛选和质量控制，优化训练框架与推理部署流程，提升研发效率； 4. 技术突破与落地：深入探索VLM、视频理解、图文生成等前沿方向，将研究成果应用于小红书内容理解、创作辅助、搜索推荐等核心业务场景； 5. 技术沉淀与输出：积极参与学术交流，发表高水平论文，沉淀专利，输出可复用的算法库和工程模块。

【基础要求】 1. 硕士及以上学历，计算机、人工智能、自动化、数学等相关专业； 2. 有我的机器学习基础，熟练掌握PyTorch等深度学习框架； 3. 较强的代码与工程能力，具备良好的问题分析与解决能力； [核心经验（以下至少满足一项）] 1. 有图像、视频、音频等多模态大模型（VLM/Omni Model）实际研发或研究经验； 2. 熟悉主流多模态模型架构，包括但不限于InternVL、Qwen-VL、LLaVA、DeepSeek-VL、Kimi-VL等； 3. 在CVPR、ICCV、ECCV、NeurIPS、ICML、ACL等顶级会议/期刊发表过论文； 4. 有视觉理解、图文对齐、跨模态检索、视频QA等方向的深入研究经验； [加分项] 1. 有大规模多模态预训练（百亿参数以上）工程实战经验； 2. 熟悉RLHF、DPO等后训练对齐技术在多模态场景中的应用； 3. 有Kaggle、COCO、ImageNet等国际竞赛获奖经历； 4. 有优秀开源项目贡献； 5. 对内容社区场景（图文、视频理解与创作）有浓厚兴趣。