主分类：大模型与生成式算法研发
辅助：计算机视觉与图像感知算法研发、自然语言处理算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "【博后专项】博士后研究员（Agent / 多模态LLM方向）-网易有道",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "网易互联网2027届校园招聘",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "人工智能"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "获得博士学位不超过三年（含应届）",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "面向教育与智能学习场景，探索自监督学习、半监督学习、主动学习、多模态建模、大语言模型（LLM）与 Agent技术的前沿研究与应用。研究课题包括但不限于：\n1、文字识别与理解：自然场景文字 OCR、文档结构解析、公式/手写体识别、作业批改与知识点提取，聚焦提升模型的准确率、速度与长尾问题的鲁棒性。\n2、多模态教学模型：文本、语音、图像、视频的联合表示与建模，支持个性化学习资源推荐、自动讲解与问答。\n3、智能 Agent 研究：LLM与Agent架构（Plan-Execute、ReAct、Memory等）在教育应用中的探索，包括用户意图理解、工具调用、交互式学习指导与多步任务完成。\n4、数据与训练方法：研究自监督/半监督/主动学习方法，提高数据利用效率；探索教育场景下的强化学习方法，提升模型对齐度与可用性。\n5、应用落地与优化：构建高效的模型训练与推理方案，推动研究成果在词典笔、作业批改、文档问答、学习助手等产品中的落地。",
"requirements_text": "1、获得博士学位不超过三年（含应届）；\n2、计算机科学、人工智能、机器学习或相关专业背景，对LLM/Agent/多模态方向有强烈兴趣；\n3、具备扎实的科研能力与编程实现能力，熟悉深度学习框架（PyTorch/TensorFlow等）；\n4、具有良好的科研素养，能独立开展研究并撰写高水平论文，具备将研究成果应用于实际场景的能力；\n5、身体健康，工作积极有责任心，性格随和，具备良好的沟通能力与团队合作精神。\n加分项\n1、有LLM/SLM预训练、指令微调、RLHF或Agent框架研究经验；\n2、有OCR/文档解析/多模态建模 / 教育应用相关研究经验；\n3、在ACL/NeurIPS/CVPR/ICLR等国际顶会发表过论文，或参与知名开源项目。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"团队协作",
"沟通能力",
"建模"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.163.com/app/detail/index?id=4848&projectId=103"
}
]
},
"posting": {
"posting_id": "103_4848",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.163.com/app/detail/index?id=4848&projectId=103"
},
"fulltext": "【博后专项】博士后研究员（Agent / 多模态LLM方向）-网易有道\n职位描述\n面向教育与智能学习场景，探索自监督学习、半监督学习、主动学习、多模态建模、大语言模型（LLM）与 Agent技术的前沿研究与应用。研究课题包括但不限于：\n1、文字识别与理解：自然场景文字 OCR、文档结构解析、公式/手写体识别、作业批改与知识点提取，聚焦提升模型的准确率、速度与长尾问题的鲁棒性。\n2、多模态教学模型：文本、语音、图像、视频的联合表示与建模，支持个性化学习资源推荐、自动讲解与问答。\n3、智能 Agent 研究：LLM与Agent架构（Plan-Execute、ReAct、Memory等）在教育应用中的探索，包括用户意图理解、工具调用、交互式学习指导与多步任务完成。\n4、数据与训练方法：研究自监督/半监督/主动学习方法，提高数据利用效率；探索教育场景下的强化学习方法，提升模型对齐度与可用性。\n5、应用落地与优化：构建高效的模型训练与推理方案，推动研究成果在词典笔、作业批改、文档问答、学习助手等产品中的落地。\n\n职位要求\n1、获得博士学位不超过三年（含应届）；\n2、计算机科学、人工智能、机器学习或相关专业背景，对LLM/Agent/多模态方向有强烈兴趣；\n3、具备扎实的科研能力与编程实现能力，熟悉深度学习框架（PyTorch/TensorFlow等）；\n4、具有良好的科研素养，能独立开展研究并撰写高水平论文，具备将研究成果应用于实际场景的能力；\n5、身体健康，工作积极有责任心，性格随和，具备良好的沟通能力与团队合作精神。\n加分项\n1、有LLM/SLM预训练、指令微调、RLHF或Agent框架研究经验；\n2、有OCR/文档解析/多模态建模 / 教育应用相关研究经验；\n3、在ACL/NeurIPS/CVPR/ICLR等国际顶会发表过论文，或参与知名开源项目。\n面向教育与智能学习场景，探索自监督学习、半监督学习、主动学习、多模态建模、大语言模型（LLM）与 Agent技术的前沿研究与应用。研究课题包括但不限于：\n1、文字识别与理解：自然场景文字 OCR、文档结构解析、公式/手写体识别、作业批改与知识点提取，聚焦提升模型的准确率、速度与长尾问题的鲁棒性。\n2、多模态教学模型：文本、语音、图像、视频的联合表示与建模，支持个性化学习资源推荐、自动讲解与问答。\n3、智能 Agent 研究：LLM与Agent架构（Plan-Execute、ReAct、Memory等）在教育应用中的探索，包括用户意图理解、工具调用、交互式学习指导与多步任务完成。\n4、数据与训练方法：研究自监督/半监督/主动学习方法，提高数据利用效率；探索教育场景下的强化学习方法，提升模型对齐度与可用性。\n5、应用落地与优化：构建高效的模型训练与推理方案，推动研究成果在词典笔、作业批改、文档问答、学习助手等产品中的落地。\n1、获得博士学位不超过三年（含应届）；\n2、计算机科学、人工智能、机器学习或相关专业背景，对LLM/Agent/多模态方向有强烈兴趣；\n3、具备扎实的科研能力与编程实现能力，熟悉深度学习框架（PyTorch/TensorFlow等）；\n4、具有良好的科研素养，能独立开展研究并撰写高水平论文，具备将研究成果应用于实际场景的能力；\n5、身体健康，工作积极有责任心，性格随和，具备良好的沟通能力与团队合作精神。\n加分项\n1、有LLM/SLM预训练、指令微调、RLHF或Agent框架研究经验；\n2、有OCR/文档解析/多模态建模 / 教育应用相关研究经验；\n3、在ACL/NeurIPS/CVPR/ICLR等国际顶会发表过论文，或参与知名开源项目。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T034",
"T036"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}