1.硕士及以上学历，计算机、人工智能、电子信息等相关专业； 2.在目标检测、姿态估计、动作识别、多模态理解等相关领域有一定研究或项目经验。 3.熟悉当前主流的视觉/多模态模型，例如 DINO / DINOv2、MDETR、Grounding DINO 等，并理解其结构和适用场景。 4.熟悉python，熟练使用 PyTorch；具备扎实的代码实现和调试能力； 加分项： 有多模态（视觉+语言/手势/动作）研究经验。 有大模型研究和应用经验。 对 embodied AI / human-computer interaction 有兴趣。