岗位描述
岗位内容
1.负责大规模视频基座模型的预训练算法研发,包括模型架构设计、自监督/多模态训练策略优化。
2.构建并清洗海量视频-文本、视频-音频等多模态数据对,支撑百亿/千亿级参数规模的稳定训练。
3.探索视频生成(如DiT、扩散模型)与视频理解(如VideoMAE、多模态大模型)方向的共性表征学习。
4.负责基座模型在下游任务(如视频编辑、动作识别、多模态对话)中的高效适配与能力迁移
岗位要求
1.硕士及以上学历,计算机、人工智能等相关专业。
2.扎实的编程功底,熟练掌握 Python/C++ 及 PyTorch,熟悉分布式训练框架(如 DeepSpeed、Megatron)。
3.深入理解Transformer、ViT、3D卷积等视频网络架构,熟悉对比学习、掩码建模等预训练范式。
4.具备大规模数据处理能力,熟悉视频解码、抽帧、多模态对齐等数据流水线构建。
5.熟悉模型轻量化技术(量化、蒸馏)或超长视频建模者优先。