公司自研产品，非外包，但是项目原因需要广州白云附近驻场1年，1年后返回公司办公，请留意！！ 【岗位职责】 1. 负责人物行为识别算法的设计与优化，针对预设动作序列（如操作步骤、指令响应等）构建时序特征分析与偏差检测模型； 2. 结合大模型（如视觉/语言多模态大模型）编码层能力，改进传统视觉模型的上下文理解与时序建模性能，提升复杂场景下的动作细节捕捉能力； 3. 处理行为数据中的时序依赖问题，设计符合固定流程特点的特征提取与匹配策略，支持动作缺失、顺序错位、执行偏差等多类型异常检测； 4. 参与数据标注规范制定与高质量训练集构建，结合业务场景优化样本分布，提升模型对边缘场景（如模糊动作、干扰环境）的泛化能力； 5. 跟踪算法效果，通过量化指标评估模型性能，持续迭代优化以满足业务对实时性与鲁棒性的要求； 6. 配合工程团队完成模型部署与落地，支持端侧/服务端推理优化，保障实际场景中的高效运行。 【任职要求】 1. 硕士及以上学历，计算机视觉、模式识别、人工智能等相关专业优先； 2. 扎实的机器学习与计算机视觉基础，熟悉主流视觉模型（如CNN、Transformer、3D-CNN）及时序建模方法（如LSTM、Temporal Transformer）； 3. 具备多模态大模型（如CLIP、LLaVA、Qwen等）应用或微调经验，熟悉大模型编码层与大视觉模型的融合策略； 4. 有固定流程/标准化动作识别相关项目经验者优先（如工业质检流程监控、服务行业操作规范检测、指令执行合规性验证等）； 5. 熟练使用PyTorch深度学习框架，掌握Python/C 编程，具备扎实的代码能力与算法优化经验； 6. 对数据敏感，熟悉行为数据标注规范与质量评估方法，具备从数据到模型效果的全链路分析能力； 7. 良好的沟通能力与团队协作意识，能快速理解业务需求并推动技术方案落地。 【加分项】 1. 发表过计算机视觉/多模态大模型相关顶会论文（如CVPR/ICCV/ECCV/NeurIPS）； 2. 有模型压缩、端侧部署（如TensorRT、ONNX）或实时推理优化经验； 3. 熟悉行为识别领域经典数据集或工业级行为分析场景。 4. 具备PyTorch至昇腾920B的迁移调优经验。