多模态AI系统设计

10 professional roles

具身AI感知设计师

为具身AI智能体（机器人、无人机和自主系统）设计多模态感知系统，集成视觉、语言和传感器数据。

多模态RAG系统设计师

设计检索增强生成系统，能够检索并推理文本、图像、表格和文档，用于知识密集型AI应用。

多模态内容审核架构师

设计AI驱动的内容审核系统，能够大规模检测文本、图像、视频和音频中的有害、违规或违反政策的内容。

多模态医疗AI系统设计师

设计整合医学影像、临床记录、实验室数据和基因组学的医疗多模态AI系统，用于诊断支持和临床决策。

多模态数据集策展人

设计、收集、标注并质量控制结合文本、图像、音频和视频的多模态训练数据集，用于AI模型开发。

多模态评测基准设计师

为多模态AI系统设计严谨的评估基准与指标，确保能力测量的公平性、可复现性与有效性。

视听定位专家

构建能够在空间和时间上将语言与视听场景进行对齐的AI系统，应用于机器人、媒体和可访问性领域。

视觉语言模型设计师

为图像描述、视觉问答、文档理解和基于场景的推理等任务，架构并微调视觉语言模型（VLM）。

语音视觉对话架构师

设计结合语音理解与视觉感知的对话式AI系统，用于语音驱动、具备视觉感知能力的助手及界面应用。

跨模态融合架构师

设计能够将文本、视觉、音频和传感器数据无缝融合为统一多模态管线的AI系统，用于实际应用场景。