端侧多模态研究工程师

【工作职责】 1. 负责端侧多模态交互Agent的算法研究与落地， 2. 构建基于 UI Agent 与 Large Action Model 的多模态理解、任务规划与操作执行能力，涵盖 GUI 视觉理解、多步操作导航、分层推理架构及端侧轻量 VLM 部署， 3. 推动 Agent 从屏幕交互向 IoT/ROS 等物理设备控制延展，实现端云协同的跨设备智能交互与自动化执行。 【任职要求】 1. 计算机相关专业硕士及以上，计算机视觉或多模态学习方向，具备3 年以上相关研究经验； 2. 熟悉 VLM 架构与视觉 Grounding 技术； 3. 了解 GUI Agent 前沿模型（如 UI-TARS-2、Ferret-UI Lite、MAI-UI、GUI-Owl-1.5 等）及主流评测基准（AndroidWorld、MobileWorld、ScreenSpot-Pro）； 4. 有 GRPO…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 1375 个北京技术研发岗位，其中 143 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 12K ~ 20K（25~75 分位），中位约 20K，最低 2K、最高 70K。