研究型实习生 - 视频理解算法研究

本岗位聚焦视频理解方向的前沿算法研究与落地，你将参与以下工作：

1. 视频精细理解：研究视频主体、运动、场景的细粒度描述方法，攻克长视频的结构化理解（人物关系、情节发展、故事主旨等），支持长视频问答与精准时序定位（temporal grounding）。
2. 复杂视频推理：结合 R1 类思维链与强化学习技术，解析复杂视频事件，探索视频的因果推理、逻辑推理与跨片段信息聚合能力。
3. 数据与评测体系：探索高质量视频理解数据的构建、清洗、增强与自动/半自动标注方案，搭建覆盖事件定位、过程描述、主题概括等多任务的数据生产与评测 pipeline。
4. 视频理解 Agent 与系统：探索多模态大模型（VLM/MLLM）在视频理解 Agent 中的任务编排、模型路由与推理融合，推动前沿算法在真实业务场景的验证与落地。
5. 前沿追踪与产出：跟踪国际最新技术动态，产出高水平论文、专利或开源成果，推动学术与工程前沿发展。

1. 硕士及以上在读，计算机、人工智能、电子、自动化、数学等相关专业。
2. 在计算机视觉、多模态、机器学习等一个或多个领域有扎实的研究基础与深入的项目经验。
3. 深入理解深度学习、计算机视觉与自然语言处理基础知识，对 VLM/MLLM 模型原理及主流视频理解方法有清晰认识。
4. 熟练掌握 Python 及 PyTorch 等主流深度学习框架，具备良好的工程实现与实验分析能力。
5. 具备较强的学习能力与钻研精神，对解决富有挑战性的技术问题有浓厚兴趣，良好的团队合作与沟通能力。 加分项
6. 在 CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、ACL 等国际顶级会议或期刊上发表过论文。
7. 具备优秀代码能力，有 ACM/ICPC、NOI/IOI 等竞赛获奖经历。
8. 在多模态大模型、视频理解、长上下文建模、强化学习等方向主导或深度参与过有影响力的项目或开源工作。
9. 在权威数据集 Leaderboard 上排名靠前，或在开源社区有较大影响力。