1）主导多模态预训练模型的设计与优化，实现文本、图像、语音、视频等模态的融合与对齐，提升模型性能。 2）推动多模态技术在实际业务场景中的应用。 3）跟踪多模态领域的最新研究进展，开展相关技术研究，参与或主导学术论文的撰写与发表，保持技术领先性。

学历与专业：硕士及以上学历，计算机科学、人工智能、电子工程、数学等相关专业。 工作经验：具备 3 年以上多模态学习、计算机视觉、自然语言处理或语音识别等方向的研究与开发经验。 精通主流多模态模型，如 CLIP、BLIP、LLaVA 等。 加分项：有 CVPR、NeurIPS 等顶会论文发表者优先；有开源项目贡献者优先；有产品化经验或商业项目成功落地案例优先。