岗位职责
- 进行生成式人工智能领域的前沿算法研究与模型优化，聚焦图像、视频、数字人、多模态生成等方向，持续突破生成质量、可控性、采样效率与训练稳定性的技术边界；
- 生成模型结构创新：深度参与Diffusion、DiT、MMDiT、Flow Matching、Rectified Flow、Autoregressive、Masked Generative Transformer等主流生成架构的设计与改进，探索新型骨干网络、时空注意力机制、条件注入方式（Cross-Attention、AdaLN、In-Context Conditioning）、3D VAE/Tokenizer设计、长序列时序建模等关键技术，提升模型在图像与视频生成任务上的表现上限；
- 数据生产与数据工程：主导高质量训练数据的构建链路，包括多阶段数据清洗（美学打分、运动一致性过滤、OCR/Watermark检测）、自动标注（Recaption、Dense Caption、镜头语言标注）、合成数据生成、Bucket分桶与分辨率策略、数据配比与课程学习（Curriculum Learning）设计，建立面向生成模型的数据飞轮与端到端质量评估体系；
- 后训练优化：应用与创新后训练方法，如SFT、DPO、IPO、KTO、Reward Modeling、RLHF及其针对Diffusion的变体（Diffusion-DPO、DDPO、ReFL），针对生成模型在美感、可控性、指令跟随、物理合理性、安全性等维度进行对齐与能力提升;探索Step Distillation、Consistency Distillation、Rectified Flow Distillation等少步采样后训练方法；
- 强化学习算法研究：探索并落地适用于生成模型的强化学习算法，包括PPO、GRPO、RLOO、Diffusion-DPO、DDPO、ReFL等，针对可微分Reward接入、采样轨迹信用分配、Reward Hacking、长视频稀疏奖励、训练稳定性与探索-利用平衡等关键问题进行算法创新。
职位要求
- 硕士学位及以上，计算机科学、人工智能、自动化、电子信息等相关专业优先；
- 对Diffusion、DiT/MMDiT、Flow Matching/Rectified Flow、Consistency Models、Autoregressive等主流生成模型结构有深入理解与改进经验，熟悉噪声调度、Solver设计（DDIM、DPM-Solver、Heun）、Classifier-Free Guidance及其变体（CFG++、APG）等核心组件，清晰掌握图像或视频生成方向的SOTA方法演进脉络；
- 对生成模型/LLM/MLLM相关后训练技术，包括SFT、RLHF、DPO/IPO/KTO、Reward Modeling、Rejection Sampling等有实践或创新优化相关经验；具备Reward信号设计、偏好数据构建与去噪、训练稳定性调优、分布偏移控制（KL约束、Reference Model设计）等实战能力；
- 对PPO、GRPO、Diffusion-DPO、DDPO、ReFL等RL算法在生成模型中的应用有深度实践和理解；熟悉可微分Reward（ImageReward、HPS、VideoScore等）、轨迹采样与梯度回传、Reward Hacking缓解（Reward Ensemble、Early Stopping、KL Regularization）等关键技术；
- 对亿级规模训练数据的清洗、筛选、合成、配比策略有实践和理解；熟悉MLLM-based自动标注、美学/运动/一致性打分模型构建、数据去重（SemDeDup、MinHash）、分辨率/时长分桶训练等工程范式，具备面向生成任务的数据质量评估与迭代能力；
- 对生成模型结构创新、后训练对齐、强化学习、多模态统一生成、世界模型等前沿技术有持续跟踪和深度理解，熟悉近两年内主流开源工作的核心技术细节；有较强的研究能力，在会议上如CVPR/ICCV/ECCV/NeurIPS/ICML/ICLR/SIGGRAPH/ACL等发表论文者优先；在AIGC、生成模型、强化学习、多模态某个领域有较深入的研究，有代表工作（如高引论文以及热门GitHub repo）。
