多模态理解（视觉 / 语言 / 行为）研究员

岗位概述

像素到语义、语言到行动的联合表征学习，支撑 VUA 理解层端到端推理。 加入缤果万境，你将与具身大脑 VisionX、灵巧操作、触觉感知与 VANTA 硬件基座深度结合，在具身 Infra 落地中承担关键角色。

岗位职责

• 研发视觉、语言、行为联合表征与端到端理解模型
• 支撑 VUA 理解层在多模态输入下的统一推理
• 优化长上下文、多轮交互与工具调用理解能力
• 参与理解层 benchmark 设计与开源/论文输出

任职要求

• 计算机、人工智能、机器人或相关专业硕士及以上学历，博士优先
• 扎实的深度学习与多模态建模基础，熟悉 PyTorch 等主流框架
• 具备顶会论文或同等影响力的研究成果者优先

加分项

• 具身智能、世界模型、机器人学习相关研究经验
• 有大规模预训练或多模态对齐项目经验

我们提供

• 参与具身大脑、灵巧操作、触觉感知与 VANTA 硬件基座从 0 到 1 的建设
• 真实场景数据闭环，拒绝脱离产业的「纸面 AI」
• 北京模型研发与深圳制造落地双体系协同，技术直接驱动商业交付
• 有竞争力的薪酬、期权与成长空间