岗位职责
- Diffusion步数压缩: 探索 Diffusion 模型的 One-Step / Few-Steps 的无损蒸馏算法, 跟进学术界最前沿的Few-Steps Diffusion 算法, 打造实时化的极致高效视频/图像大模型；
- 研究 DPO/GRPO/NFT 等强化学习手段在少步模型下的新训练算法, 摸索强化学习与压缩算法的化学反应, 推动效果-效率的帕雷托前沿新SOTA。
职位要求
- 硕士及以上学历，数学、计算机、自动化、电子等专业优先；
- 熟练掌握Diffusion原理, 具备公式推理和证明的能力, 有过相关的研究经历和实践经验者优化 ；
- 数理要求: 熟练掌握线性线数, 概率论, 信息论, 凸优化等基础知识，了解矩阵论, 随机过程等 ；
- 有较强的自驱力和学习力，对生成式模型有强烈的兴趣。 加分项：
- 有 NIPS/ICLR/ICML/CVPR 等顶会发表经历者优先。
