
科大讯飞
AI研究算法工程师-计算机视觉方向(J14430)
AI研究算法工程师-计算机视觉方向(J14430)
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ocr
Pytorch
Rag
多模态大模型
文档理解
生成模型
视觉语言模型
计算机视觉
值不值得投
79综合评分
综合评分 79
前沿多模态大模型算法岗,技术成长强,生活节奏信息未披露
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较职业起点。
薪资怎么样
3.5万
与AI算法中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 240 个在招
市场机会
选择不多
合肥 · AI算法 · 1 个在招
职位详情
关于这个职位
该岗位面向校招候选人,参与科大讯飞星火多模态大模型研发,聚焦计算机视觉、视觉语言理解、OCR文档理解、数字人和医疗影像等方向
你将从事算法研究、模型训练与工程落地,适合具备CV、深度学习和大模型研究基础的硕士及以上人才
最低要求
硕士及以上学历,计算机、人工智能、电子信息、自动化等相关专业
具备扎实的计算机视觉和深度学习基础,熟悉Transformer、视觉语言模型、生成模型等技术
熟练掌握Python、PyTorch等开发工具,具备良好的算法实现和工程能力
在多模态理解、多模态交互、OCR、人体感知、数字人或医疗影像大模型等至少一个方向具有研究或项目经验
具备良好的文献阅读、问题分析、沟通协作和快速学习能力
具备使用AI工具进行编程、调试、实验结果分析的能力
工作职责
参与星火多模态大模型研发,开展视觉编码、跨模态对齐、视觉理解与推理等技术研究
负责多模态理解算法研发,包括图像、视频等视觉内容的语义理解、问答与推理
负责多模态交互与以人为中心的感知技术研发,包括人脸人体分析、行为理解、情感与意图识别、视听交互等
负责OCR与文档理解技术研发,包括文字识别、版面分析、信息抽取、文档问答等
探索数字人合成技术,包括人物生成、语音驱动、口型表情及动作生成等
开展医疗影像大模型研发,探索医学影像理解、知识融合、辅助分析与可信评估
跟踪前沿技术进展,推动算法优化、工程落地和成果转化
优先资格
【加分项】
具备大模型或多模态大模型训练、微调、评测、推理部署等实战经验
熟悉RAG、工具调用及多模态Agent开发,能够熟练使用智能编程与Agent工具
在相关高水平会议或期刊发表过论文,或具有高质量开源项目经验
在ICPC、CCPC、NOI等程序设计竞赛或高水平AI竞赛中获奖
具备上述重点方向的规模化应用或产业落地经验
AI 洞察
优缺点分析
优点
- 岗位直接参与星火多模态大模型研发,技术方向覆盖视觉理解、OCR、数字人和医疗影像等前沿场景
- 工作内容兼具算法研究与工程落地,有助于积累大模型训练、微调、评测和部署的完整经验
- 加分项覆盖论文、开源项目、竞赛和产业落地,优秀候选人有较多展示差异化能力的空间
- 集团统一招聘流程和明确筛选环节,对应届生而言路径相对清晰
- 技术范围广且要求高,需要同时掌握计算机视觉、深度学习和多模态大模型相关能力
- 岗位强调算法优化、工程落地和成果转化,不仅要会研究,也要能解决真实业务中的性能与稳定性问题
- 校招筛选包含简历、笔试、初试、复试和终审,竞争强度和评估维度较多
- 适合计算机、人工智能、电子信息、自动化等专业,具备CV或大模型项目经验的硕士及以上应届生
- 尤其适合希望在多模态大模型、视觉理解或产业AI方向长期深耕的候选人
缺点 / 挑战
暂无明显挑战项
角色解读
- 初期可从算法研发与模型实验入手,逐步承担多模态子方向的技术攻关任务
- 中期可向资深算法工程师、多模态模型专家或技术负责人方向发展,负责更复杂模型体系与落地场景
- 长期可拓展到大模型架构设计、AI产品技术战略、行业大模型解决方案或研究管理方向
- 参与星火多模态大模型的视觉编码、跨模态对齐、视觉理解与推理研究,推动模型能力提升
- 研发图像、视频语义理解、视觉问答、OCR文档理解、信息抽取等算法能力
- 探索人脸人体分析、行为理解、情感意图识别、视听交互以及数字人合成等以人为中心的感知与交互技术
- 跟踪计算机视觉和多模态大模型前沿进展,进行算法优化、工程落地和成果转化
- 需要扎实的计算机视觉和深度学习基础,理解Transformer、视觉语言模型、生成模型等核心方法
- 需要熟练使用Python和PyTorch,具备模型训练、调试、评测和工程实现能力
- 至少在多模态理解、OCR、人体感知、数字人或医疗影像大模型等方向有研究或项目经验
- 需要具备文献阅读、问题分析、沟通协作和快速学习能力,并能使用AI工具提升研发效率
申请策略
- 申请前了解科大讯飞星火大模型及多模态相关公开资料,面试中能结合业务场景说明自己的技术兴趣
- 由于流程包含笔试和多轮面试,建议提前准备算法基础、代码实现、项目复盘和论文/竞赛细节
- 突出与多模态理解、OCR、人体感知、数字人或医疗影像相关的研究或项目经历,说明具体任务和成果
- 明确写出掌握的Python、PyTorch、Transformer、视觉语言模型、生成模型等技术,并配套项目证据
- 如有大模型训练、微调、评测、推理部署、RAG、Agent、论文、开源项目或竞赛获奖经历,应单独重点展示
- 强调文献阅读、实验设计、问题分析和工程实现能力,最好用指标提升或落地效果量化说明
- 提前准备多模态大模型相关项目,重点熟悉视觉编码器、跨模态对齐、VQA、OCR文档理解和模型评测方法
- 强化PyTorch工程能力,包括训练流程、分布式训练基础、推理优化、实验记录和结果分析
面试指南
- 项目类问题采用“背景—难点—方法—实验—复盘”的结构,重点讲清个人贡献和可量化结果
- 技术类问题先讲基本原理,再结合具体模型或业务场景说明优缺点、适用条件和改进思路
- 对不熟悉的问题可先说明已有理解,再给出验证思路和学习计划,体现分析能力与快速学习能力
- 请介绍一个你做过的计算机视觉或多模态项目,包括问题背景、方法设计、实验指标和你的贡献
- Transformer和视觉语言模型在多模态理解中的关键作用是什么?跨模态对齐常见方法有哪些?
- 如何评估一个OCR或文档理解算法的效果?遇到复杂版面、低质量图片时如何优化?
- 请说明你对大模型微调、评测和推理部署的理解,以及实际项目中如何控制成本和提升效果
- 你如何使用AI工具辅助编程、调试和实验结果分析?有哪些真实经验?
职位点评
薪资福利78
成长发展92
工作生活55
使命价值82
薪资福利
78中等
JD未披露薪资和福利信息,但岗位属于高门槛AI算法校招方向,对薪酬期待较高的技术候选人具有一定吸引力。稳定性与福利细节未提及,需在面试中确认。
薪资信号未披露(AI估算:2.5千–4.5万/月)
成长发展
92较高
岗位覆盖星火多模态大模型、视觉理解、OCR、数字人、医疗影像等前沿方向,并强调前沿技术跟踪、算法优化和成果转化,发展性非常突出。JD未明确提及晋升通道或培训机制。
技术前沿前沿/新兴技术
技术栈计算机视觉、深度学习、Transformer、视觉语言模型、生成模型、Python、PyTorch、多模态理解、OCR、RAG、多模态Agent、医疗影像大模型
业务类型ambiguous
工作生活
55较低
JD仅明确工作地点为安徽省合肥市,未提及远程、弹性办公、双休或加班情况,因此生活化动机满足程度无法充分判断。办公城市明确,但具体办公模式和节奏需与招聘方确认。
工作模式未明确
办公地点未明确
加班情况未提及(无法判断)
使命价值
82较高
岗位参与多模态大模型研发,并涉及医疗影像理解、辅助分析与可信评估,以及以人为中心的感知交互技术,具备较强技术价值和应用想象空间。JD未直接描述社会使命或价值导向表述。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
科大讯飞 的其他在招职位
相似职位推荐
AI Engineering
大众汽车 · 合肥市
AI 估算 · 3.5–6.0万22 分钟前发布
算法工程师-智算(郑州)(J14552)
中科曙光 · 郑州市
AI 估算 · 1.8–3.2万34 分钟前发布
AI Intern
爱立信 · 北京市
AI 估算 · 5.0–8.0千2 小时前发布
AI Intern- Chengdu
爱立信 · 成都市
AI 估算 · 6.0千–1.0万2 小时前发布
AI Developer Intern
爱立信 · 北京市
AI 估算 · 5.0–8.0千2 小时前发布
Agent技术专家 - 剪映CapCut
CapCut · 北京市
AI 估算 · 5.0–9.0万8 小时前发布
AI Agent 研发(MJ037774)
携程 · 上海市
AI 估算 · 3.0–5.5万15 小时前发布
Industrial Engineering ES
德科斯米尔 · 沈阳市
AI 估算 · 1.8–3.0万16 小时前发布
Watch Jobs