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 2 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ocr
Pytorch
医疗影像
多模态理解
大模型
数字人
深度学习
计算机视觉
值不值得投
76综合评分
综合评分 76
前沿AI算法岗位，技术挑战大，成长空间好，但WLB未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
20K
比人工智能中位数低
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 220 个在招 · 其中人工智能 19 个
市场机会
选择适中
合肥 · 人工智能 · 32 个在招
职位详情
关于这个职位
该职位是科大讯飞校园招聘的AI研究算法工程师，专注于计算机视觉和多模态大模型方向
工作内容涉及星火多模态大模型的研发，包括视觉编码、跨模态对齐、理解与推理，以及多模态交互、OCR、数字人合成和医疗影像大模型等前沿技术探索
适合对AI算法有深入研究热情的应届硕士毕业生
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
- 技术前沿，直接参与大模型等热门AI方向的研发，成长空间大
- 公司平台大，资源丰富，有利于技术积累和成果转化
- 校招起点高，能接触产业化项目，快速提升工程能力
- 技术难度高，需要持续学习跟进快速迭代的AI技术
- 适合对计算机视觉和AI研究有强烈兴趣、具备扎实学术背景、追求技术深度和创新的应届硕士毕业生
缺点 / 挑战
- 研发压力可能较大，需平衡创新探索与工程落地
- 竞争激烈，对算法实现和论文产出有较高期望
角色解读
- 从算法工程师成长为高级研究员或技术专家，深耕垂直领域
- 可转向技术管理岗位，负责团队或项目整体技术方向
- 有机会参与行业标准制定或学术研究，成为领域内权威
- 参与多模态大模型的研发，专注于视觉编码和跨模态对齐技术
- 负责计算机视觉算法的实现与优化，应用于语义理解、问答推理等场景
- 探索数字人合成和医疗影像大模型等前沿方向，推动技术产业化落地
- 扎实的计算机视觉和深度学习理论基础，熟悉Transformer等主流模型
- 熟练使用Python、PyTorch进行算法开发和工程实现
- 具备良好的文献阅读和研究能力，能跟踪并复现前沿论文
- 在多模态、OCR、数字人或医疗影像等至少一个领域有实战经验
申请策略
- 研究科大讯飞在多模态和医疗影像等领域的最新技术动态
- 准备具体研究案例，用STAR法则清晰阐述项目贡献和成果
- 关注校招流程，提前准备笔试和面试中的算法与编程题目
- 突出相关领域的研究经历或项目成果，如多模态、OCR等
- 强调使用Python、PyTorch的工程实现能力和代码质量
- 列出发表的论文、竞赛获奖或高质量开源项目
- 描述使用AI工具进行实验分析和优化的经验
- 补充大模型训练、微调和部署的实战经验，如使用Hugging Face工具链
面试指南
- 对于技术问题，结合具体案例，从问题定义、方法选择、实验结果和反思改进四部分回答
- 对于项目经验，使用STAR法则（情境、任务、行动、结果）结构化描述
- 对于开放性问题，先阐述基本原理，再提出个人见解和可能的创新点
- 请介绍你过去在多模态或计算机视觉领域的研究经验
- 如何优化Transformer模型在视觉任务中的性能？
- 描述一个你实现的OCR或文档理解项目，遇到哪些挑战及如何解决？
- 你对星火大模型在多模态应用方面有什么想法？
- 如何评估医疗影像大模型的可信度和可靠性？
职位点评
薪资福利70
成长发展85
工作生活65
使命价值80
薪资福利
70中等
薪资和福利信息在JD中未明确披露，但作为已上市公司，通常具备市场竞争力。
薪资信号未披露（AI估算：1.5–2.5万/月）
成长发展
85较高
该职位涉及前沿多模态大模型技术，提供深入算法研究和工程实践机会，有利于技能快速成长。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Transformer、多模态理解、计算机视觉、深度学习、OCR、数字人、医疗影像、大模型
业务类型profit_center
工作生活
65中等
工作模式和WLB信息在JD中未提及，无法判断办公灵活性和加班情况。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
AI技术处于高速增长赛道，该岗位推动算法创新和产业化，具有积极社会影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs