基于多模态大模型的画作美学评估与价值体系构建研究

岗位职责
背景： 随着AIGC技术的爆发，数字画作与艺术内容的生产效率大幅提升，但如何像人类专家一样从多维度对画作进行精准评估与筛选，成为亟待解决的难题。
目标： 本课题致力于构建专家级的画作审美评估大模型。通过引入多模态推理链（Chain-of-Thought）与强化学习排序（RL-to-Rank）技术，使模型突破传统美学质量评估（IAA）仅关注像素清晰度的局限，真正理解画作的深层美学价值与风格特征。研究成果将应用于高价值内容筛选、个性化推荐以及生成模型的偏好对齐（Reward Model）。此外，课题后期将探索该评估范式向3D资产与动态内容迁移的可行性，为构建通用的多模态内容价值体系奠定基础。

岗位要求
学历及方向： 硕士及以上学历在读（博士优先），计算机视觉、机器学习或相关专业。核心关注多模态大模型（VLM）、强化学习（RL）及图像美学/质量评估（IAA/IQA）方向。
核心算法能力（RL & Reasoning）： 熟悉PPO、DPO、GRPO、GSPO等强化学习与偏好对齐算法，理解其背后的数学原理与优化目标； 熟悉Learning to Rank（排序学习）在推荐或评估系统中的应用。 编程与工程： 精通Python及PyTorch框架，熟悉主流多模态大模型的微调与推理优化；具备复现顶会论文算法的能力。
科研素养： 具备优秀的英文文献阅读与归纳能力，对新技术保持敏锐洞察。在CVPR, ICCV, ECCV, NeurIPS, MM等顶级会议发表过IAA/IQA、多模态等相关论文者优先。
综合素质： 具备良好的艺术审美感知力（对摄影、绘画或设计有兴趣），责任心强，沟通顺畅，具备团队协作精神。