岗位职责：
1.构建植物表型专属大模型：基于多模态视觉 Transformer/3D 点云 Transformer，融合时序环境数据，设计自监督预训练任务，打造亿级参数云端大模型。
2.全链路精度优化：针对株高、叶面积、穗长、干旱胁迫等 50 关键性状，设计弱监督/半监督、主动学习与提示工程策略，把相对误差压到 ≤3%。
3.高效云端推理：负责模型蒸馏、量化、分布式推理框架，实现单张 200 张 RGB 图片 5 分钟内完成性状推理，支持 1000 并发育种材料分析。
4.数据闭环与持续学习：搭建“边用边学”反馈系统，把人工标注、无人机/卫星新数据回流到训练集，实现月度模型自动迭代。
5.前沿跟踪与落地：跟踪 CVPR/ICML/NeurIPS 最新视觉大模型进展，每季度输出技术白皮书并快速 PoC，推动算法产品化。

任职要求：
1.计算机、人工智能、遥感、农业工程等相关专业硕士及以上；
2.具备2 年以上视觉/多模态大模型经验，熟悉 Transformer 系列（ViT/Swin/Point Transformer）及自监督训练；
3.精通 PyTorch 分布式训练与 DeepSpeed/FSDP，能独立在 64 卡 A100 集群调优百亿级参数模型；
4.熟悉 Python/CUDA，具备 TensorRT/ONNX 云端部署经验，可支撑万级并发推理；
5.有植物表型、遥感、病虫害识别等农业 AI 项目落地经验者优先；
6.优秀的团队协作与沟通能力，对农业数字化有热情，可接受短期出差。