Internship in Multimodal AI for Complex Technical Docs

CEA; Saclay; On-site; EUR 10,000 - 12,000; Part time

Job summary

Le LIST du CEA à Saclay propose un stage en IA multimodale agentique pour la compréhension et le raisonnement sur des documents techniques complexes. Le stagiaire travaillera sur l’évaluation de modèles et l’orchestration d’outils pour décomposer des requêtes et fusionner des informations issues de texte, tableaux et figures sur plusieurs pages.

Ce stage offre l’accès à un environnement de recherche de haut niveau et à des ressources avancées, avec la possibilité de publier des résultats et

Qualifications

• Étudiants en 4e/5e année (M1, M2 ou année sabbatique).
• Intérêt fort pour l’IA multimodale générative.
• Connaissances des LLM, VLM, Transformers, RAG et systèmes agentiques.
• Compétences en Python avec un framework DL (TensorFlow ou PyTorch).

Responsibilities

• Examiner des benchmarks existants et développer un benchmark si nécessaire.
• Évaluer des VLM récents pour la compréhension de documents techniques.
• Concevoir une architecture agentique pour décomposer des requêtes et planifier un raisonnement multi-étapes.
• Récupérer dynamiquement des pages et sélectionner outils ou modèles pertinents.
• Combiner et raisonner sur des informations provenant de texte, tableaux et figures sur plusieurs pages.
• Évaluer l’approche proposée par rapport à des baselines VLM et multimodales.

Skills

Multimodal IA

LLMs

Vision-Language Models

Transformers

RAG

Agentic systems

Computer vision

Deep learning

Python

Education

4e/5e année (M1/M2 ou année sabbatique)

Job description

Le LIST du CEA à Saclay propose un stage en IA multimodale agentique pour la compréhension et le raisonnement sur des documents techniques complexes. Le stagiaire travaillera sur l’évaluation de modèles et l’orchestration d’outils pour décomposer des requêtes et fusionner des informations issues de texte, tableaux et figures sur plusieurs pages.

Ce stage offre l’accès à un environnement de recherche de haut niveau et à des ressources avancées, avec la possibilité de publier des résultats et