课题描述
课题背景：
近年来，多模态大模型技术快速发展，在 AI 教育场景中展现出较强的应用潜力。围绕拍照解题、作业批改、AI 讲题与教学互动等核心任务，模型仍面临细粒度感知不足、复杂推理解题能力有限以及多模态交互体验不稳定等问题。因此，本课题聚焦多模态大模型在 AI 教育场景中的关键技术研究，探索其在感知理解、推理解题与教学交互中的能力提升与落地应用。
课题挑战：
1、拍照解题中的关键能力研究：如何提升模型基于图像进行思考的能力，并支持辅助线构造等复杂解题过程；
2、强化学习优化：如何通过强化学习提升拍照解题的泛化能力，同时进一步提高解题准确性与解析质量；
3、端到端多模态建模：如何面向拍照解题、作业批改等场景，构建高效稳定的端到端多模态大模型方案；
4、AI 教学交互能力研究：如何结合多模态交互与个性化记忆机制，提升 AI 讲题、AI 教学等场景下的理解与互动效果。
具体工作：
你将参与多模态教育 Agent 与解题模型研究、强化学习优化、端到端方案设计，以及 AI 讲题与教学交互能力建设。
课题要求
1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；
2、熟练掌握大模型、多模态相关的基本算法及应用，熟悉caffe、tensorflow，pytorch等至少一个深度学习框架；
3、较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。
CSIG — 元宝
元宝作为腾讯的战略级AI原生产品，集成 DeepSeek 及混元大模型核心技术，是帮用户提高工作学习效率、丰富社交娱乐生活的AI助手。腾讯生态也全面拥抱元宝，一方面，公众号、视频号内容构成元宝底层数据的优势，另一方面，元宝的AI能力已全面接入QQ音乐、腾讯会议、微信公众号及视频号评论区等数十款腾讯核心应用，覆盖社交、办公、内容消费等关键场景，为用户提供无处不在的智能体验。元宝持续高速进化，推出“元宝派”AI社交新玩法，探索AI技术在多人社交场景下的深度融合，开启全新的「AI+社交」体验。加入元宝，一起探索AI的无限可能！
