岗位职责
岗位介绍 我们正在探索流式视频大模型方向，致力于让模型从"看完再回答"进化为"边看边理解、实时响应"。你将参与构建面向真实世界的实时视觉理解系统，覆盖视频流理解、长时记忆建模、主动式交互等前沿课题，推动模型能力从离线走向在线。 流式理解核心研究
- 跟踪流式视频理解领域最新进展，输出技术洞察，探索适合业务场景的创新方案
- 设计高效的流式推理架构，包括记忆压缩模块、时序建模与位置编码方案
- 构建流式视频训练数据集与训练框架，探索离线到在线的课程学习范式 视频内容理解落地
- 研发视频内容理解模型：高光识别、场景分类、精彩度评分、人物/物体语义理解
- 实现智能切片能力：从直播流/点播视频中自动定位高光片段，支持实时和离线两种模式
- 将内容理解能力接入产品链路，包括直播封面、运营挖掘工具、创作者笔记诊断报告等 评测与工程
- 构建流式视频评测体系，与人工标注对比，持续提升模型精度
- 优化端到端推理延迟、显存占用和吞吐量，满足实时性要求
职位要求
基础要求： - 计算机、电子工程、自动化等相关专业硕士及以上学历 - 扎实的深度学习基础，熟悉 Transformer 架构、注意力机制、位置编码等核心技术 - 熟练掌握 PyTorch，具备独立复现/改进论文的能力 - 良好的代码工程能力，有大规模分布式训练经验优先 专业方向（满足其中一项即可）： - 有视频理解相关研究或工程经验（VideoLLM、MLLM、Video QA、时序建模等），能独立跟进前沿工作 - 有长上下文/高效推理相关经验（KV Cache 优化、序列并行、量化、蒸馏等） - 有在线视频理解或流式系统相关经验，了解实时推理系统架构设计 加分项： - 在 CVPR、ICCV、NeurIPS、ICLR、ECCV、AAAI 等顶会发表过相关论文，有一作或重要贡献者优先 - 有直播/视频平台内容理解落地经验（高光识别、精华切片、封面生成等具体场景） - 了解视频编解码基础（I/P/B 帧、码率、分辨率），能理解多媒体系统上下文 - 熟悉 RL/RLHF 在多模态模型上的应用
