边缘模型研究优化实习生

职位描述 英特尔数据中心网络边缘AI团队致力于构建支持下一代工作负载的AI软件栈，覆盖基于Intel Xeon处理器和Intel dGPU的边缘AI平台。我们为全球客户提供大规模多模态智能所需的算法、框架及性能优化。 我们正在寻找一名实习生，参与视觉-语言模型（VLM）和视觉-语言-动作模型（VLA）的研究与产品化工作。你将与资深软件工程师合作，推动多模态与具身智能（Embodied AI）的前沿发展，并确保模型能够在英特尔硬件上高效运行。 工作职责 开展VLM / VLA架构、预训练、微调及对齐技术（SFT、RLHF、DPO、GRPO）的应用研究；复现并扩展最新研究成果，如OpenVLA、RT-2、π0.5、PaLI-Gemma、Qwen-VL、InternVL等 设计并实现多模态数据处理流水线，包括图像-文本-动作数据的清洗、合成与增强 研究视觉编码器（ViT、SigLIP、DINOv2）与语言模型（LLaMA、Qwen、Mistral）的高效融合策略，包括连接器设计与视觉token压缩 探索VLA特有模块，如动作头（离散token化、扩散策略、流匹配）、长时序规划与闭环控制 应用模型优化技术（量化：INT8 / FP8 / INT4、AWQ、GPTQ、SmoothQuant；剪枝；蒸馏；KV-cache优化；推测解码）以实现模型在英特尔平台上的高效部署 与基础设施工程师合作，在Intel Xeon、Intel Gaudi、Intel Arc GPU、Intel Core Ultra（NPU）等平台上部署并进行性能评估 使用行业基准（MMBench、MME、SEED-Bench、LIBERO、SimplerEnv）评估模型，并参与内部评测体系建设 撰写技术报告，并在合适情况下投稿至顶级会议（NeurIPS、ICML、ICLR、CVPR、CoRL、RSS） 任职要求 基本要求 候选人需具备在工作所在国家合法工作的资格。 计算机科学、电气工程、人工智能、数学或相关专业在读硕士或博士 可连续实习至少3个月（全职或接近全职） 扎实的深度学习基础，包括Transformer、扩散模型和强化学习 熟练掌握Python和PyTorch；熟悉分布式训练（DeepSpeed、FSDP、Megatron-LM） 在以下至少一个方向有项目或论文经验：多模态大模型、具身智能/机器人学习、模型压缩与推理加速、视觉-语言预训练 加分项 有模型量化、剪枝或蒸馏经验；熟悉推理框架（PyTorch、vLLM、SGLang、TensorRT-LLM、llama.cpp） 有英特尔平台（Xeon、Arc、Core Ultra）部署经验 熟悉机器人仿真（Isaac Sim、MuJoCo、ManiSkill、RoboCasa）或真实机器人系统 在GitHub上有相关AI开源项目贡献

职位描述 英特尔数据中心网络边缘AI团队致力于构建支持下一代工作负载的AI软件栈，覆盖基于Intel Xeon处理器和Intel dGPU的边缘AI平台。我们为全球客户提供大规模多模态智能所需的算法、框架及性能优化。 我们正在寻找一名实习生，参与视觉-语言模型（VLM）和视觉-语言-动作模型（VLA）的研究与产品化工作。你将与资深软件工程师合作，推动多模态与具身智能（Embodied AI）的前沿发展，并确保模型能够在英特尔硬件上高效运行。 工作职责 • 开展VLM / VLA架构、预训练、微调及对齐技术（SFT、RLHF、DPO、GRPO）的应用研究；复现并扩展最新研究成果，如OpenVLA、RT-2、π0.5、PaLI-Gemma、Qwen-VL、InternVL等 • 设计并实现多模态数据处理流水线，包括图像-文本-动作数据的清洗、合成与增强 • 研究视觉编码器（ViT、SigLIP、DINOv2）与语言模型（LLaMA、Qwen、Mistral）的高效融合策略，包括连接器设计与视觉token压缩 • 探索VLA特有模块，如动作头（离散token化、扩散策略、流匹配）、长时序规划与闭环控制 • 应用模型优化技术（量化：INT8 / FP8 / INT4、AWQ、GPTQ、SmoothQuant；剪枝；蒸馏；KV-cache优化；推测解码）以实现模型在英特尔平台上的高效部署 • 与基础设施工程师合作，在Intel Xeon、Intel Gaudi、Intel Arc GPU、Intel Core Ultra（NPU）等平台上部署并进行性能评估 • 使用行业基准（MMBench、MME、SEED-Bench、LIBERO、SimplerEnv）评估模型，并参与内部评测体系建设 • 撰写技术报告，并在合适情况下投稿至顶级会议（NeurIPS、ICML、ICLR、CVPR、CoRL、RSS） 任职要求 基本要求 候选人需具备在工作所在国家合法工作的资格。 • 计算机科学、电气工程、人工智能、数学或相关专业在读硕士或博士 • 可连续实习至少3个月（全职或接近全职） • 扎实的深度学习基础，包括Transformer、扩散模型和强化学习 • 熟练掌握Python和PyTorch；熟悉分布式训练（DeepSpeed、FSDP、Megatron-LM） • 在以下至少一个方向有项目或论文经验：多模态大模型、具身智能/机器人学习、模型压缩与推理加速、视觉-语言预训练 加分项 • 有模型量化、剪枝或蒸馏经验；熟悉推理框架（PyTorch、vLLM、SGLang、TensorRT-LLM、llama.cpp） • 有英特尔平台（Xeon、Arc、Core Ultra）部署经验 • 熟悉机器人仿真（Isaac Sim、MuJoCo、ManiSkill、RoboCasa）或真实机器人系统 • 在GitHub上有相关AI开源项目贡献