小红书(xiaohongshu)招聘【Dots】多模理解-视觉语言大模型研究员
招聘职位：
【Dots】多模理解-视觉语言大模型研究员 搜索同类职位
岗位职责：
团队介绍
做多模态的人通常有两种：一种是把各种模态「拼」在一起，一种是真的想搞清楚不同模态之间的关系，我们是后者。从视觉理解，到视觉+语音联合感知，到生成与理解统一——我们在挑战的不是某一个模态的单点能力，是整个「理解-生成-统一」的链条，挑战每种模态的单一能力上限，挑战多种模态的融合难题，挑战理解和生成能力的融合难题，实现类人的多模态能力。
岗位职责：参与视觉语言大模型的研发工作，负责下属事项至少一项或若干
VIT Pretrain：提升模型感知能力，包括但不限于 Vision Encoder Pretrain 算法架构 / 多种感知能力数据构建
VLM Pretrain：提升 vlm pretrain 的通用能力，探索各种不同训练阶段设计 / 不同通用数据的组织形式；
VLM Post Train：提升 vlm 通用能力，包括但不限于合成数据 / RL 等方法
生成理解统一：探索生成理解统一架构，同时提升理解和生成能力
任职要求：
任职要求
本科及以上学历，计算机等相关专业优化；
熟练掌握代码的阅读和编写技术，熟练使用 agentic ai 能力；在 python 和 pytroch 技术栈上有过深入实践
在视觉领域有过深入的实践和理解，有一定深度的专业认知和见解
具备良好的科学研发习惯、问题定义能力和对细节的敏锐度
团队介绍
做多模态的人通常有两种：一种是把各种模态「拼」在一起，一种是真的想搞清楚不同模态之间的关系，我们是后者。从视觉理解，到视觉+语音联合感知，到生成与理解统一——我们在挑战的不是某一个模态的单点能力，是整个「理解-生成-统一」的链条，挑战每种模态的单一能力上限，挑战多种模态的融合难题，挑战理解和生成能力的融合难题，实现类人的多模态能力。
岗位职责：参与视觉语言大模型的研发工作，负责下属事项至少一项或若干
VIT Pretrain：提升模型感知能力，包括但不限于 Vision Encoder Pretrain 算法架构 / 多种感知能力数据构建
VLM Pretrain：提升 vlm pretrain 的通用能力，探索各种不同训练阶段设计 / 不同通用数据的组织形式；
VLM Post Train：提升 vlm 通用能力，包括但不限于合成数据 / RL 等方法
生成理解统一：探索生成理解统一架构，同时提升理解和生成能力
任职要求：
任职要求
本科及以上学历，计算机等相关专业优化；
熟练掌握代码的阅读和编写技术，熟练使用 agentic ai 能力；在 python 和 pytroch 技术栈上有过深入实践
在视觉领域有过深入的实践和理解，有一定深度的专业认知和见解
具备良好的科学研发习惯、问题定义能力和对细节的敏锐度
免责声明：
此信息由小红书官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“小红书官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！
