面向交互式长视频生成的多模态世界模型

关于这个机会

解决实时交互视频生成要求下多模态遵从、低成本部署的综合难题。 1. 在模型尺寸的限定情况下，如何保持优秀的多模态能力。 2. 如何确保流式视频模型长时间不崩坏、具备良好的空间记忆能力。 3. 如何通过有效的蒸馏、量化等综合手段降低流式视频模型的推理成本、延迟和提升流畅度。

任职要求

1、有多模态+扩散模型和大规模训练能力； 2、有良好的Infra优化和大模型工程能力； 3、在视觉、图形学顶会发表过高质量相关论文，或在相关公司大模型重大项目、开源项目中做出过重要贡献； 4、具有良好的学界新方法的理解和认知能力。

内推申请说明

本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道，不等于已在公司官网投递；薪资、岗位状态和实际招聘流程以官方信息为准。