岗位职责
- 负责多模态大模型在直播链路中的建模与实现，融合网络、用户等多源信号，输出毫秒级低延迟、高鲁棒、内容/场景粒度全局最优的联合决策；
- 负责优化大模型在该任务上的训练与推理流程，结合LORA 等参数高效微调、蒸馏、剪枝、量化、动态推理等手段，把大模型推理成本压入直播单路算力预算内；
- 负责开发面向联合决策的高性能特征提取与决策模块，打通从离线训练到端到端在线推理的全链路，最大化「算法-工程-体验」协同收益；
- 、推动核心成果在大规模真实直播流量上完成在线AB验证，沉淀可量化的营收/GMV、QoE与成本收益，并持续迭代优化。
职位要求
- 硕士及以上学历，计算机/通信/自动化/应用数学等相关专业；
- 在大模型/多模态模型/多目标优化/自适应流媒体传输（ABR）/ 视频图像处理/视频编解码中至少一个方向具备扎实的研究或工程基础；
- 熟悉大模型架构与 LLM训练/推理全流程及相关推理框架，掌握LORA 等主流参数高效微调方法，熟练使用 PyTorch；
- 具备良好的算法创新与系统能力，能够阅读和分析时序数据，独立完成「问题建模一 数据构建一训练一 评估一上线」闭环。
- 熟练使用 Python/C++，具备良好的工程实现与调试能力。 加分项：
- 熟悉直播/转码/RTC等流媒体传输链路，对多码率算法、QoE优化、端到端画质与体验优化有体系化理解；
- 具备多模态大模型的研究或工程经验，熟悉视觉-语言模型、视频理解模型等主流方法，能将内容理解信号引入决策链路；
- 在多目标优化/多任务联合决策 方向有研究或落地经验；
- 熟悉视频画质评估与增强相关算法与评测体系，具备线上调优经验；
- 在 NeurlPS/ICML /ICLR/ CVPR/ ACM MM/ SIGCOMM/ INFOCOM等顶级国际会议/期刊发表论文，或在视频质量评估/增强、多模态理解等领域赛事中获奖；
- 具备端侧模型部署、量化与算子优化经验。
