研究型实习生-万相Wan多模态生成前沿技术研究

多模态生成模型前沿技术研究项目，旨在进行如下课题研究：

1. 模型架构与 Scaling Law：探索面向视频生成的高效 DiT/MoE 架构，通过Attention优化、Optimizer优化、VAE 表征极限压缩，研究视频生成的 Scaling Law， 提升长时序与物理一致性生成能力；
2. 音视频多模态对齐：解决视频与音频在时序、语义、情绪上的强一致性问题，支持文本/图像/视频/音频等多任务统一建模；
3. 多模态生成后训练：基于 WAN基模与 RLHF/Continue Learning 后训练范式，多维度奖励模型探索，缓解长视频中的漂移、形变与物理遵循问题；
4. 实时视频生成：探索Streaming、量化、注意力机制优化、CUDA 并行计算及模型蒸馏等技术，建立实时视频生成的 pipeline 级别技术解决方案与算法；
5. 多模态交互式世界模型：研究多模态交互式世界模型技术框架，探索多模态生成领域的新范式。

1. 硕士及以上学历，具备扎实的多模态或者机器学习算法基础，有成果发表在CVPR，NeurIPS，ICML，ICLR，TPAMI，IJCV等顶级会议期刊者优先。
2. 熟练掌握C/C++， Python等至少一门语言，ACM/ICPC，topcoder等编程比赛获奖者优先。
3. 乐于沟通、分享、交流、有激情、责任心强，具备良好的团队合作、沟通能力。