视觉语言大模型研究员-中央研究院-北京

岗位职责: 1. 以E2E自驾为应用背景， 研究引入时域信息的Video Tokenizer； 2.利用开源VLM模型与自驾数据集，开展文本视觉对齐方法研究； 3.设计提升VLM空间和行为表征的总体方案; 4.负责方案的训练评测工程实施，包括CPT，SFT，RL等； 任职资格: 1.计算机科学、应用数学等相关专业，硕士及以上学历； 2.NLP、CV等领域有扎实的研究基础，熟悉主流多模态大模型； 3.较强的工程实现能力：熟练掌握Python，熟悉Linux开发环境，精通深度学习框架TensorFlow或Pytorch，了解分布式训练框架并有一定的多机多卡训练经验； 4.有高质量论文发表者优先；有高质量Github项目经验者优先； 5.具备极强的学习能力和学术追求，良好的团队沟通合作能力。

本站当前在招 3320 个北京技术研发岗位，其中 85 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 12K ~ 28K（25~75 分位），中位约 20K，最低 2K、最高 60K。