多模态表征研究员

岗位职责
1、视频/多模态/3D-4D encoder 的架构设计与训练；
2、JEPA / DINO 类自监督表示学习方法的改进与落地；
3、负责视频 VAE 的训练与改进，开展时空压缩率调整、潜在空间设计、语义增强及编码器/解码器架构优化，提升重建质量、时序一致性和计算效率；
4、设计 encoder 表征及视频 VAE latent 与下游世界模型的对接方案，通过对照实验评估表征改进对模型训练效率、生成质量和预测能力的影响

岗位要求
必备技能：
1、有视频或多模态 encoder 研究经验，熟悉 ViT / VideoMAE / TimeSformer / 3D-ViT 等架构；
2、深度理解自监督表示学习方法（JEPA / DINO / MAE / BEiT），能分析不同预训练目标对下游任务的影响；
3、有视频 VAE 或相关视频自编码器的训练、微调或改进经验，理解重建损失、KL 正则、感知损失等训练目标，能够分析时空压缩率、latent 维度和模型架构对重建质量及训练稳定性的影响；
4、有中等规模模型（≥ 数亿参数）的独立训练经验，能诊断 loss 异常和表征退化；
5、熟悉PyTorch，做过从问题定义到实验验证的完整研究闭环。

加分项
1、有视频 VAE 时空压缩率调整、语义增强或模型架构优化的实际项目经验，例如通过特征对齐、知识蒸馏或辅助训练目标增强 latent 表征，并完成重建质量、时序一致性及下游模型效果的对照验证；
2、有 V-JEPA / V-JEPA2 / DINOv2 的复现或二次开发经验；
3、做过 3D/4D 表征学习（点云 / NeRF feature / 4D occupancy）；
4、有顶会一作论文（CVPR / ICCV / NeurIPS / ICML / ICLR）。