快手【快Star-X】多模态理解工程师-视觉生成
任职要求
1、硕士及以上学历，有LLM和VLM大模型训练经验；有较强的代码动手开发能力，对多模态大模型基座能力提升有较高的热情；
2、良好的沟通协作能力，能够与团队紧密合作，共同推进项目进展。
加…工作职责
深度优化多模态大模型的Caption、表征、改写能力，打造业界第一梯队的多模态大模型，在AIGC技术指标上超过GPT-4o、Gemini Pro等闭源模型，落地于快手各业务线。
1、对图像、视频、文本等进行深入的语义理解，支持短视频、直播、风控、搜索、推荐、商业化等业务需求； 2、推进视觉相关基础技术研发，如大规模分类、检测、分割、序列识别、人脸、自监督学习、内容生成、模型压缩和优化等。
1、负责研发业界领先的多模态理解与生成统一架构，从事基础模型预训练、监督微调、架构优化等，重点探索感知（理解）与生成能力的协同演进与边界突破； 2、研究高效建模多模态数据（图像、文本、视频等）的新范式，提升模型的信息表征、理解与联合生成能力； 3、探索并研发更高效的视觉编码器，构建更强大的多模态模型基础； 4、发表高水平学术论文和开源项目，提升团队在学术界、工业界的技术影响力。
1、对图像、视频、文本等进行深入的语义理解，支持短视频、直播、风控、搜索、推荐、商业化等业务需求； 2、推进视觉相关基础技术研发，如大规模分类、检测、分割、序列识别、人脸、自监督学习、内容生成、模型压缩和优化等。
团队介绍：快手商业智能生成团队主要负责快手商业化AIGC & Agent和多模态生成式推荐，研发的AI视频、AI小说等已在广告场景大规模落地并带来规模化收入，制定中国通信标准化协会AI视频生产标准；研发的多模态理解和大模型推荐技术，为商业化大盘带来显著提升。团队在 CVPR、ICCV、ICML、ICLR、AAAI等Al顶会发表多篇研究成果。 1、负责AIGC视觉生成方向的算法探索和落地开发，包括但不限于视频生成、图像编辑、文生图等； 2、参与基础模型的框架设计、预训练以及面向实际应用优化等，重点解决低成本、高品质生成、多样性以及可控编辑等关键问题； 3、紧跟学术前沿，深入研究视觉生成模型设计和优化的创新方法，全面提升视觉生成模型的生成效果； 4、发表高水平学术论文，提升团队在学术界、工业界的技术影响力。