岗位职责
*基于现有VLM模型（如Qwen-VL/InternVL/LLaVA/BLIP-2等）进行端侧模型压缩、量化与知识蒸馏，实现完整上线流程。
*构建“语言指令→视觉目标/区域/属性”的映射解析机制，并设计安全控制策略（如黑名单过滤、敏感区域屏蔽）。
*实现VLM输出结果与下游任务模块（抓取/放置/质检）的精准对接（包括目标ID、位姿、置信度及时序一致性）。
*协同数据团队构建多模态数据集（涵盖图像、文本描述及操作序列），推动持续迭代学习体系落地。
*与ROS2及操控模块协作，集成多模态服务接口（gRPC/ROS2service/topic），确保低延迟响应与系统容错能力。

专业要求
*掌握多模态模型核心技术原理（如特征对齐、指令微调、LoRA/QLoRA、对比学习/CLIP方法）。
*熟悉边缘设备推理优化技术（至少掌握TensorRT/ONNXRuntime/TFLite/OpenVINO其中之一）。
*理解检测、分割、关键点等视觉任务与VLM的交互设计及其误差传递影响。

任职资格
*精通PyTorch框架，具备在自有数据集上完成开源模型权重再对齐并开展A/B测试（mAP/Recall/延迟）的能力。
*具备轻量化模型部署经验（至少掌握INT8/FP16量化、模型剪枝或蒸馏技术之一），可部署至嵌入式或边缘计算平台（GPU/NPU/BPU）。
*具备跨团队协作背景，能清晰传达需求、评估指标及项目上线节点。

其他事项
*能熟练阅读英文技术文档，具备快速验证和集成新开源模型的能力。