算法实习生

VLM岗位职责：
1.基于业务场景（行为识别）对InternVL、QwenVL等VLM模型进行领域适配性微调，优化图像理解、动作识别、多模态推理能力；
2.构建零售场景专属数据集，设计数据增强策略，解决遮挡、光照变化等实际场景挑战；
3.实现CV&VLM模型在边缘设备（如Jetson系列）/云端的轻量化部署，优化推理速度与资源占用；
4.开发模型服务化接口，支持实时视频流分析与行为事件触发机制；
5.设计时序行为分析框架，融合目标检测（如定位、姿态估计、动作分类等多模块协同工作；
6.构建基于VLM的异常行为识别系统（违规操作等场景）；
7.跟进VLM前沿技术（如多模态prompt工程、模型蒸馏），探索3D视觉与VLM的融合方案；
8.输出可复用的算法组件库，建立零售场景算法基准测试体系；
岗位要求：
1.熟练掌握PyTorch框架及HuggingFace生态，具有InternVL/QwenVL等开源VLM实战调优经验；
2.精通模型压缩技术（量化/剪枝/知识蒸馏），有VLLM/LMdeploy等部署工具实战经验；
3.熟悉视频理解技术栈（OpenCV/FFmpeg/Decord），具备多线程视频处理系统开发能力；
4.具备强工程实现能力，主导过至少1个完整AI项目从研发到落地的全生命周期；
5.理解行为场景特性：能通过算法设计应对监控视角差异、制服相似度、复杂背景干扰等挑战；
6.有行为识别项目经验者优先，熟悉NTU RGB+D、AVA等行为数据集者加分；
7.具备产品化思维，能协同硬件团队优化计算资源分配方案；
8.具有技术文档撰写习惯，代码符合工业级可维护性标准；
9.在CVPR/ICCV/ECCV等会议发表过多模态学习相关论文；
10.有成功通过模型微调提升特定场景指标30%以上案例；
11.具备模型服务高并发处理经验；
985/211硕士学历，计算机/人工智能/软件工程/通信等相关专业