岗位职责: 1. 负责文本视觉生成（图片，视频），文本视觉理解，多模态语言模型的研究工作，提高模型泛化能力； 2. 负责图文多模态模型的下游算法及应用研究，例如：continual learning, multimodal-GPT, fine-grained analysis，个性化生成，可控生成等； 3. 负责图文多模态技术在端侧加速，推荐搜索，广告内容创作，影音娱乐等领域的落地研究工作； 4. 跟进业界前沿技术，持续提升团队在图文多模态算法方面的技术积累。 任职要求: 1. 计算机科学，统计学，数据挖掘，数学，物理等相关专业，在预训练模型，生成算法，计算机视觉，自然语言处理，模型压缩及端侧部署，信息检索，多模态学习等中的一个或多个领域中具备实践经验； 2. 扎实的编程基础，至少熟悉一种常见的深度学习框架（Pytorch, TensorFlow等）； 3. 熟悉计算机视觉，自然语言处理，机器学习等方面的基础技术，有预训练相关实践经验者或在人工智能顶会/期刊上发表研究论文者优先（例如：CVPR/ICCV/ECCV/NIPS/AAAI/ICML/ICLR/TPAMI/TIP/IJCV等）； 4. 良好的数学基础与英文阅读能力，具备良好的团队协作意识与优秀的自驱力。