AI算法实习生 - 视觉方向
招聘时间
即日起 至 2026-07-31
招聘单位
UAES
所在地区
上海
工作地点
上海市/上海市/浦东新区 联合汽车电子公司-1号门
学历要求
硕士
实习时长
每周5天，每天6小时
职责描述
职位描述
本岗位为AI视觉算法实习生岗，将深度参与前沿计算机视觉技术在工业制造核心场景的攻坚与落地，聚焦工业场景 “真实缺陷样本稀缺、检测漏检要求严苛” 的核心业务痛点，围绕多模态视觉大模型、缺陷样本生成、监督异常检测三大前沿技术方向开展研究探索与工程实践。你将深度对接工业业务场景与工艺专家，全程参与从算法选型、模型研发、效果验证到落地部署的全链路流程，在真实工业落地场景中积累少样本学习、工业视觉 AI 落地的实战经验，助力工业目检环节的智能化升级。
工作职责
跟踪计算机视觉与少样本学习领域的前沿学术进展，跟进顶会顶刊的最新研究成果，结合业务需求开展技术预研与 POC 验证，沉淀可复用的技术方案与算法资产
深入探索并落地以下至少一个技术方向：
多模态方向：结合工艺专家知识（Text）与少量缺陷样本，利用最新视觉语言模型（VLM）进行In-context Learning、Prompt Tuning或微调，实现少样本高精度检测。
视觉生成方向：基于大量正常样本与少量缺陷样本，利用Diffusion Model等视觉生成技术，通过图像编辑、条件引导等手段生成逼真的高价值工业缺陷样本，提升下游判别模型的泛化能力。
监督异常检测方向：针对极度不平衡数据集，研究并设计创新的模型架构、损失函数、训练范式（如对比学习、元学习、主动学习等）及工程实践方案。
负责缺陷检测模型的数据清洗、训练、调参及评估pipeline，设计针对专属评估指标与测试集，输出规范的技术验证报告。
配合工程与产线团队，完成算法模型在边缘计算设备或云端服务器的部署、推理加速及后续迭代，打通AI落地的最后一公里。
职位要求
本科及以上学历，计算机科学、人工智能、自动化、电子信息、数学或物理等相关专业，硕士/博士优先。
编程与工具：熟练掌握Python/C++，具备扎实的代码基本功；熟练使用PyTorch等主流深度学习框架；熟悉Linux操作系统及Git协作，掌握Docker容器化部署；熟悉Cursor/GitHub Copilot等AI Coding工具，能利用AI助手高效提升研发效能。
算法基础：具备扎实的计算机视觉理论基础，熟悉CNN、Transformer、ViT等主流网络架构；熟悉目标检测（YOLO系列等）、图像分割或主流异常检测算法（如PatchCore, PaDiM等）。
文献与沟通：英语读写能力优秀，能无障碍追踪和研读ArXiv上的最新CV/AI英文文献；具备极强的自驱力、逻辑思维能力与团队沟通协作能力，能快速对齐业务目标并推进技术验证。
加分项
发表过少样本学习、异常检测、视觉生成、工业视觉、多模态大模型相关研究论文者优先
有工业缺陷检测、产品表面质检、工业视觉检测相关科研项目或实习经历，熟悉工业场景数据分布特点、高召回指标要求与落地约束条件者优先
具备较强的代码工程化能力，有 ONNX、TensorRT 等模型推理优化经验，有 Docker 容器化部署、算法服务落地经验；有开源项目贡献经历，或在 GitHub 有相关视觉算法复现、开源实现，代码规范度高者优先
本岗位为AI视觉算法实习生岗，将深度参与前沿计算机视觉技术在工业制造核心场景的攻坚与落地，聚焦工业场景 “真实缺陷样本稀缺、检测漏检要求严苛” 的核心业务痛点，围绕多模态视觉大模型、缺陷样本生成、监督异常检测三大前沿技术方向开展研究探索与工程实践。你将深度对接工业业务场景与工艺专家，全程参与从算法选型、模型研发、效果验证到落地部署的全链路流程，在真实工业落地场景中积累少样本学习、工业视觉 AI 落地的实战经验，助力工业目检环节的智能化升级。
工作职责
跟踪计算机视觉与少样本学习领域的前沿学术进展，跟进顶会顶刊的最新研究成果，结合业务需求开展技术预研与 POC 验证，沉淀可复用的技术方案与算法资产
深入探索并落地以下至少一个技术方向：
多模态方向：结合工艺专家知识（Text）与少量缺陷样本，利用最新视觉语言模型（VLM）进行In-context Learning、Prompt Tuning或微调，实现少样本高精度检测。
视觉生成方向：基于大量正常样本与少量缺陷样本，利用Diffusion Model等视觉生成技术，通过图像编辑、条件引导等手段生成逼真的高价值工业缺陷样本，提升下游判别模型的泛化能力。
监督异常检测方向：针对极度不平衡数据集，研究并设计创新的模型架构、损失函数、训练范式（如对比学习、元学习、主动学习等）及工程实践方案。
负责缺陷检测模型的数据清洗、训练、调参及评估pipeline，设计针对专属评估指标与测试集，输出规范的技术验证报告。
配合工程与产线团队，完成算法模型在边缘计算设备或云端服务器的部署、推理加速及后续迭代，打通AI落地的最后一公里。
职位要求
本科及以上学历，计算机科学、人工智能、自动化、电子信息、数学或物理等相关专业，硕士/博士优先。
编程与工具：熟练掌握Python/C++，具备扎实的代码基本功；熟练使用PyTorch等主流深度学习框架；熟悉Linux操作系统及Git协作，掌握Docker容器化部署；熟悉Cursor/GitHub Copilot等AI Coding工具，能利用AI助手高效提升研发效能。
算法基础：具备扎实的计算机视觉理论基础，熟悉CNN、Transformer、ViT等主流网络架构；熟悉目标检测（YOLO系列等）、图像分割或主流异常检测算法（如PatchCore, PaDiM等）。
文献与沟通：英语读写能力优秀，能无障碍追踪和研读ArXiv上的最新CV/AI英文文献；具备极强的自驱力、逻辑思维能力与团队沟通协作能力，能快速对齐业务目标并推进技术验证。
加分项
发表过少样本学习、异常检测、视觉生成、工业视觉、多模态大模型相关研究论文者优先
有工业缺陷检测、产品表面质检、工业视觉检测相关科研项目或实习经历，熟悉工业场景数据分布特点、高召回指标要求与落地约束条件者优先
具备较强的代码工程化能力，有 ONNX、TensorRT 等模型推理优化经验，有 Docker 容器化部署、算法服务落地经验；有开源项目贡献经历，或在 GitHub 有相关视觉算法复现、开源实现，代码规范度高者优先
