LongCat - 大模型基座认知分析算法研究员（多模态评测方向）
Summary
Researcher on Meituan's LongCat foundation-model team analyzing multimodal LLM capabilities (image/video/speech understanding and generation, embodied intelligence/VLA, GUI agents) and how training data and strategies affect model ability, producing evaluation schemes and training improvements. Core stack: Python/C++, deep learning, multimodal large models.
主要负责多模态大模型在全模态（包括图像、视频、语音）的生成和理解、具身智能、GUI Agent和通用多模agentic等方向的模型能力分析和训练策略优化，并且对训练数据、训练策略和模型能力之间的关系进行研究分析，产出可行的模型评测方案和训练策略，具体工作内容包括但不限于：
1. 追踪多模态大模型的前沿进展，包括GUI agent，visual coding，多媒体编辑，3D可交互资产或场景构建等通用基模的应用场景。积极学习新的训练范式、前沿模型认知，量化目标和关键达成路径，并进行深入分析。
2. 在具身智能方向中，探索VLA的data-scaling方案，构建通用动作表征；探索视频生成基座以及统一模型的潜力，包括但不限于世界模型训练和效果度量；积极探索VLA/VLM同环境交互的学习方法，研究基于世界模型的RSI作为下一代智能提升的关键途径。
3. 与各相关部门保持良好沟通，深度参与多模态模型的训练过程，共同推动多模态大模型持续优化。
1. 硕士及以上学历，计算机、数学、统计学或相关专业。
2. 熟悉Python/C++等编程语言，良好的编码习惯和一定的工程能力 。
3. 具有深度学习和大模型原理的基础知识，具有多模态大模型和具身智能之一的研究经验。
4. 良好的沟通能力、团队合作精神以及较强的问题解决能力。
5. 对每一行代码负责，对业务方负责，具备工匠精神。
1. 紧跟人工智能行业进展，接触到前沿技术和行业趋势，磨练出对人工智能的独到见解；
2. 参与大模型的训练与评测的全流程，了解从理论到工程实践的全面技能；
3. 与一流的人工智能团队合作，快速成长，提升自身能力；
4. 有机会参与公司的创新项目，跨足不同领域，拓宽人工智能技术的应用范围；