招商金科-计算机图像算法工程师(J29291)

1.研发面向贸易物流场景的多模态大模型与视觉单证模型：针对模糊、倾斜、遮挡、多语言混排的港口/物流单证图像，研发高鲁棒性的OCR+Layout+NER联合模型；优化多模态大模型（如LLaVA、Qwen-VL、InternVL）在垂直领域的微调策略，提升对贸易术语、HS编码、金额字段等关键信息的理解精度。 2.设计大模型驱动的图像理解、生成与编辑解决方案：构建基于大模型的单证结构化理解系统，实现从图像到结构化JSON/API的端到端输出；探索可控图像生成与编辑能力，用于单证模板合成、数据增强、异常样本修复等场景。 3.构建大规模视觉单证数据处理与训练基础设施：设计端到端的多模态数据 pipeline，涵盖图像清洗、版面分析、文本标注、实体对齐、质量评估；建立百万级真实+合成单证数据集，支持模型持续迭代与泛化能力提升。 4.推动多模态大模型在核心产品中的规模化落地：与产品、工程团队协作，将模型集成至智能审单、自动报关、跨境结算等系统；优化推理性能，支持高并发、低延迟的线上服务，保障99.9%+的SLA可用性； 5.探索多模态智能体（Multimodal Agent）在视觉任务中的创新应用：研究视觉-语言智能体在单证纠错、跨文档一致性校验、异常交易识别等任务中的应用；结合RAG、工具调用（Function Calling）等机制，构建可交互、可推理的视觉决策系统。

1、硕士及以上学历，计算机科学、电子工程、自动化、人工智能等相关专业； 2、深入掌握计算机视觉核心技术：目标检测、OCR、图像分割、多模态对齐、视觉语言预训练等； 3、精通 PyTorch / TensorFlow，熟悉 HuggingFace Transformers、MMEngine、Detectron2 等主流CV框架； 4、具备扎实的工程实现能力，熟悉模型压缩（量化/剪枝）、ONNX转换、TensorRT部署、GPU加速等技术； 5、熟悉Docker、Kubernetes、FastAPI等工程化工具链，能独立完成模型服务化； 6、在 CVPR、ICCV、ECCV、NeurIPS、ICLR 等顶会发表过多模态/OCR/文档理解相关论文优先；有金融、海关、物流、贸易单证等领域的图像算法落地经验优先； 7、对真实产业问题有强烈兴趣，能从“一张模糊提单”中看到技术挑战与业务价值；沟通清晰，能向非技术团队解释模型局限与改进路径。