|
|
| |
| |
职位描述 用小程序查看更多 |
|
职位描述
1、设计、构建、训练和优化面向机器人交互场景的端到端多模态大模型架构；
2、探索和实现模型对多模态输入（语音、文本、图像/视频、深度信息、传感器数据、环境上下文等）的深度融合与理解；
3、研发模型生成多模态输出（语言语音、情绪、表情、移动、行为动作等）的能力，确保输出的一致性与自然性；
4、重点攻克人机交互闭环中的关键问题：上下文记忆与理解、意图识别与澄清、个性化交互、情感感知与表达、长时程对话一致性、任务导向交互等；
职位要求
1、本科及以上学历，计算机、人工智能、电子、数学等相关专业；博士优先
2、出色的问题分析和解决能力，自主探索新解决方案的能力强;
3、关注生成式AI和多模态交互技术，对推动人形机器人智能化有热情;
4、熟悉VLM/VLA/VLP/MLM等多模态任务建模、具备跨模态模型设计与训练经验；
5、理解多模态对齐（如cross-attention、token-levelalignment）、条件生成、多模态融合机制；
加分项
1、有端到端多模态大模型研究经验，或实际落地应用项目经验者；
2、在CVPR、NeurIPS、ICLR、ACL等会议发表多模态相关工 |
|
| |
|
|
| |
|
