VLM / Agent 感知算法工程师

岗位职责 负责视觉语言模型（VLM）及多模态大模型相关算法研发，面向图像、视频等视觉内容进行场景理解、语义理解、空间关系理解及复杂事件理解。 负责 AI Agent 感知能力 建设，包括视觉感知、场景理解、用户意图理解、环境状态建模及面向 Agent 决策的结构化信息抽取。 探索 VLM 在 AI 摄影、智能交互、终端 Agent 等场景中的应用，将视觉理解能力转化为可执行的 Agent 感知与决策能力。 负责 VLM 的 SFT、RL/Preference Optimization、Prompt/Inference Optimization 等训练与优化工作，持续提升模型在真实业务场景中的准确性、泛化性和鲁棒性。 构建多模态数据体系，包括数据采集、清洗、标注、难例挖掘、合成数据及自动化评测体系，并针对模型 Bad Case 持续迭代。 负责 VLM 在真实终端场景中的部署与优化，关注模型…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 24120 个上海岗位（全城各职能合计），其中 1203 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 8K ~ 20K（25~75 分位），中位约 12K，最低 0.8K、最高 113K。