【LongCat大模型人才校招】基础模型 - 多模态

岗位描述

探索下一代原生多模态基础模型：让模型不止于接入视觉能力，而是能够统一建模文本、图像、视频与交互过程，像理解文字一样理解视觉世界，并在真实物理场景中进行推理、生成和行动。我们将重点探索统一的多模态表征体系，包括离散视觉 token、连续视觉表征及其混合形式，使图像与视频能够被基础模型高效学习、组合和生成。 你将参与以下方向中的一个或多个： 1.研究多模态与文本模态的深度融合策略，包括 early fusion 架… 熟悉 Python，熟练使用 PyTorch/Megatron/DeepSpeed 等训练框架，满足以下至少一项： 1.有大规模多模态预训练相关的训练经验； 2.对视觉表征设计、多…