多模态大模型工程师（AI座舱方向）-campus-2026

1.搭建训练数据处理Pipeline，推动大模型数据闭环，结合模型反馈进行数据动态筛选与更新，包含但不限于质量评估、清洗、格式化、分类等，调优训练数据配比，持续构建与优化训练数据集； 2.参与分布式训练及推理框架的落地与优化，提高大规模数据处理性能及硬件资源利用率； 3.参与AI座舱多模态大模型的应用开发，探索开发以人工智能技术为核心的场景落地； 4.负责多模态大模型预训练、指令微调、偏好对齐等阶段的工作，包括但不限于数据观测、数据挖掘、模型迭代等环节； 5.参与计算机视觉、自然语言理解、通用人工智能领域的前沿研究与开发； 6.跟进业界最新技术和进展，结合汽车座舱场景进行落地，持续提升数据质量，挖掘数据价值。

1.计算机、人工智能等相关专业硕士及以上学历，熟悉计算机视觉、多模态或深度学习相关算法； 2.熟悉PyTorch/TensorFlow其中一种或多种框架模型的训练和部署，了解混合精度训练、分布式训练、TensorRT部署等； 3.具备分布式大规模数据处理经验，熟悉 Ray、Spark 或类似技术栈者优先，熟悉FFmpeg等工具优先； 4.有数据清洗、采样、去重、主动学习、视频内容检测等方面的实战经验，对大模型数据闭环及主动学习场景有一定了解； 5.了解大模型训练过程，有一定训练经验优先，有多机多卡经验者优先； 6.对 AI 前沿技术保持热情，具备快速学习与创新意识，能够主动探索业务需求与技术创新的结合点； 7.具备扎实的编码能力，具有优秀的基础算法、代码能力，熟练掌握C/C++或Python编程语言，ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；8.在具有扎实的计算机视觉、机器学习基础，熟悉CV、AIGC、NLP、RL等技术领域，在CVPR、ECCV、ICCV、NeurIPS、ACL、NACCL等顶级会议上发表论文者优先。