岗位职责
- 短视频多模态理解与 AIGC 生成：负责短视频场景下多模态大模型与生成式 AI 的前沿技术探索、算法研发及业务落地，涵盖视频内容理解、语义解析、场景与人物关系理解、视频 Caption、爆款脚本生成、创意策划与分镜规划，以及基于扩散模型和视频生成大模型的短视频生成、视频编辑与重绘等方向；结合文本、图像、视频、音频等多模态信息，持续优化内容理解、创意生成、视频生成质量与可控性，推动 AIGC 技术在短视频内容生产场景中的规模化应用；
- 直播理解与智能剪辑：负责直播场景下多模态理解与智能化内容生产技术的研发和落地，包括直播内容理解、主播行为与商品讲解识别、直播过程结构化分析、精彩片段识别、高光提取、智能切片及短视频二次创作等；结合直播内容特征与用户消费需求，构建从直播理解、内容价值挖掘到智能剪辑的端到端算法能力，提升直播内容生产效率与分发价值；
- 数字人 AIGC 直播：负责数字人直播相关的生成式 AI 算法研发与落地，包括数字人形象生成、语音与口型驱动、音视频同步、自然动作与表情生成、数字人实时交互及直播场景生成等；探索基于多模态大模型与智能 Agent 的数字人直播技术，打通选品、AI 直播间搭建、直播内容生成、投流及效果反馈等关键环节，持续提升数字人直播的真实感、交互能力与商业转化效果。
职位要求
- 计算机、数学、统计学、人工智能等相关专业硕士及以上学历，具备扎实的机器学习、深度学习及相关数学基础；
- 熟练掌握 Python/C++/Java 中至少一门编程语言，具备扎实的数据结构与算法基础，熟练使用 PyTorch、TensorFlow 等深度学习框架；
- 熟悉主流大模型训练与优化技术，包括但不限于预训练、继续预训练、指令微调、偏好对齐、强化学习、多模态表征学习等；熟悉 Transformer、Diffusion 等模型架构及相关技术者优先；
- 在以下一个或多个方向具备扎实的研究或工程实践经验：多模态理解与视频内容分析、LLM 驱动的爆款脚本生成与创意规划、图像与视频生成及编辑、直播理解与智能剪辑、数字人生成与音视频驱动等；具备复杂算法问题的分析、建模、优化及工程落地能力；
- 具备良好的技术创新与业务转化能力，能够结合实际内容生产与直播业务场景，推动算法从数据构建、模型训练、离线评测到线上部署和业务应用的完整闭环；具备大规模模型训练、推理优化或在线服务经验者优先；
- 在 NeurIPS、ICML、CVPR、ICCV、ECCV、ACL、EMNLP、ICLR、KDD、AAAI、WWW、TPAMI 等高水平会议或期刊发表论文者优先；在高水平技术评测或竞赛中取得优异成绩，或在知名开源项目中有重要贡献及影响力者优先；
- 具备良好的沟通协作能力、主动探索精神与较强的执行力，能够适应快速迭代的研发节奏，积极推动前沿技术的创新与业务落地。
