岗位职责
- 基模预训练：主导/参与视频扩散或自回归视频基模（DiT / 时空 Transformer）的大规模预训练，包括架构设计、训练目标、scaling 策略与稳定性调优；
- 可控/条件生成：实现首末帧、轨迹、深度、mask、参考图等多种控制信号的条件注入，保障身份一致性与场景反应合理性；
- 实时化改造：将双向/全序列模型改造为因果自回归、流式逐 chunk 生成；落地 Self-Forcing / Causal Forcing / DMD 等少步数蒸馏，实现实时帧率；
- 推理优化协同：与推理工程团队配合做 FP4/INT8 量化、TensorRT、流式批处理（stream-batch），在延迟 SLA 内最大化单卡吞吐；
- 评测体系：建立画质、时序一致性、身份保持、控制响应、延迟等量化评测，驱动迭代；
- 训练基础设施：在多机多卡（数百~上千 GPU）上做分布式训练（FSDP / DeepSpeed / Megatron风格并行），处理 OOM、通信瓶颈、混合精度稳定性等问题。
职位要求
- 计算机 / AI / 数学相关硕博，或同等工程能力；5年以上深度学习研发经验；
- 精通 PyTorch，熟悉大规模分布式训练（FSDP / DeepSpeed / Megatron-LM 至少其一），有实际跑通过百卡级训练的经验；
- 深入理解扩散模型（DDPM/DDIM/Flow Matching/Rectified Flow）与/或自回归生成，理解 DiT / U-ViT 等架构；
- 熟悉视频/图像生成至少一个方向，有从数据到模型落地的完整项目经验；
- 扎实的工程能力：能独立排查训练发散、梯度异常、数据瓶颈、显存/吞吐优化等问题；良好的实验设计与复现习惯，能阅读并复现最新论文。
