岗位职责
需求子方向:视频生成步数蒸馏、视频超分模型、视频生成后训练策略 【视频生成步数蒸馏】
- 在自研 MoE DiT 上实现并改进 DMD、一致性模型、对抗蒸馏等少步方法
- 构建蒸馏数据与评测
- 结合量化、稀疏注意力、并行推理继续提速
- 跟踪前沿方案并快速复现 【视频超分模型】
- 训练基于扩散或一步生成的视频超分/画质增强模型
- 构造贴近生成模型输出的退化数据对
- 优化时序一致性和推理速度
- 与生成主模型级联联调 【视频生成后训练策略】
- SFT 数据配比与课程实验
- DPO、ReFL、GRPO 类 RL 在 DiT 上的实现与对比
- 设计美学、运动、一致性、指令遵循等 reward 组合
- 分析 reward hacking 并产出结论
职位要求
熟悉扩散/flow matching 与至少一种 RL 方法;PyTorch;能独立设计消融 · 加分项 DiT RL、reward model 相关论文或项目