腾讯混元AIGC算法研究员（多模态生成基模方向）（深圳/北京/上海）
任职要求
1.计算机、人工智能、数学等相关专业的全日制本科（优先）以上；
2.具有扎实的深度学习算法基础，具备扎实的大模型研发经验，有扩散模型优化经验优先，有相关方向顶级论文者优先，有scaling law实践经验优先；
3.熟悉各…工作职责
1.从事多模态生成大模型基础模型算法训练和优化，包括图像生成、视频生成、多模态迭代生成、多模态编辑等； 2.从事基础大模型的组建研发，如Diffusion Models、Autoregressive Models等； 3.从事大模型数据科学的设计与实现，大模型训练和推理加速，确保基础模型的竞争力领先和顺利落地。
1.通过内容（文本/图像/音频/3D模型等）生成模型的研究优化，解决目前算法在生成质量、多样性、可控性、生成效率等上的问题，并最终有效改善用户体验和生产效能，协助算法的产品化落地； 2.从事图像生成、多模态大模型、小样本学习领域算法训练和优化； 3.结合自有产品和业务需求，从 prompt优化、生成模型研发、adapter研发，性能加速等方面优化Α绘画，AI文字生成，Al视频生成等效果和体验，解决面向业务场景的应用和落地时的算法卡点问题； 4.解决多模态生成模型的工业化部署问题，深入探索模型设计和优化的研发工作。
1.研发新一代3D资产生成大模型，突破生成质量、速度与可控性的技术边界； 2.构建工业级3D AI生成管线，解决几何拓扑优化、材质贴图生成、物理合理性等核心问题。
1.负责生成式大模型预训练相关的工作，包括但不限于：大规模模型预训练，长文本预训练，线性模型结构探索； 2.探索与跟进前沿技术，寻求技术突破，推动机器在AIGC能力的提升和突破； 3.探索高效的模型知识嵌入方法以及模型知识在线学习更新； 4.探索promptengineering，充分挖掘大模型知识。
ꔷ 模型选型与评测：负责跟踪和深度评测业界前沿的Text/Image-to-3D模型（如混元、VAST、Meshy等），建立“文玩”品类的评测基准（Benchmark），从质量、速度、成本、可塑性等多维度输出评估报告，并参与制定技术共建方案。 ꔷ 训练框架搭建：主导或参与自建3D AIGC训练框架，实现SFT（监督微调）、PO（偏好优化）、RLHF以及模型蒸馏等全套“后训练”链路。 ꔷ 模型SFT与强化：深入“文玩”业务场景，构建高质量SFT数据集（如品类黑话、风格化），对底座模型进行微调，使其更懂品类。 ꔷ 可打印性优化：探索使用PO/RLHF技术，构建“高可打印性”偏好数据集，训练AIGC模型使其倾向于生成结构稳定、易于修复、符合制造标准的3D模型，构建核心数据与模型壁垒。 ꔷ 模型优化与部署： 负责3D生成模型的轻量化、蒸馏和加速，优化推理速度和成本，满足平台规模化应用需求。