岗位职责
- 大规模视频理解：负责可灵海量视频数据的打标分类、语义分割、文字识别、Caption生成、聚类分析等工作；
- 模型开发与优化：基于CNN、VLM等技术推进模型训练、微调、评测及高效部署，推动模型在实际场景中的大规模应用；
- 技术研究与创新：聚焦多模态视频生成领域前沿课题，探索生成模型的数据采样技术，提升生成模型的数据使用效率和语义响应能力，打造在业界的领先技术优势；
- 跨领域协作：参与跨团队跨部门技术协同，推动Human in the loop在视频生成领域的研究落地。
职位要求
- 学历与经验：硕士及以上学历，3年及以上相关工作经验。计算机视觉、自然语言处理或多模态方向背景优先；
- 学术背景：具备较强的学术调研能力，能快速理解和实现论文中的算法；有高质量论文发表、开源项目贡献、ACM竞赛或相关学术比赛获奖经历者优先；
- 深度学习能力：熟练掌握深度学习框架（如PyTorch、TensorFlow），有模型训练、压缩、蒸馏和微调经验；熟悉DeepSpeed等加速工具优先；
- 工程能力：具备优秀的独立开发与调试能力，熟悉Python服务开发，Hive大数据处理等技术；
- 团队协作：具备良好的沟通能力，乐于学习与分享，能够与团队高效协作解决问题。 【加分项】
- 熟悉视频处理相关工具与技术，如FFmpeg、OpenCV等；
- 在视频理解、多模态建模方向有实战项目经验。
