职位描述 负责音视频内容理解相关的算法研发工作，包括但不限于视觉描述生成（Video Caption）、视觉问答（VQA）、多模态大模型（MLLM）等技术，通过内容理解相关算法在业务中的探索与应用，解决实际业务问题

职位要求 计算机、电子信息、数学等相关专业，硕士及以上学历 在计算机视觉、多模态理解方面有扎实的研究基础，熟悉主流模型和算法，如CLIP，BLIP，LLaVA，Qwen-VL，video-llama等，有实际项目落地经验者优先； 熟悉深度学习框架，如TensorFlow或PyTorch 有较强的动手能力，熟练掌握C++/Python编程语言，深刻理解计算机原理，有良好的数据结构和算法基础 具备良好的逻辑分析能力、学习能力、沟通能力及团队协作精神 具有CVPR/ICCV/ECCV/NIPS等相关顶会论文者优先