快手（可灵AI专项）多模态理解算法工程师
任职要求
1、学历与经验：硕士及以上学历，3年及以上相关工作经验。计算机视觉、自然语言处理或多模态方向背景优先； 2、学术背景：具备较强的学术调研能力，能快速理解和实现论文中的算法；有高质量论文发表、开源项目贡献、ACM竞赛或相关学术比赛获奖经历者优先； 3、深度学习能力：熟练掌握深度学习框架（如PyTorch、TensorFlow），有模型训练、压缩、蒸馏和…
工作职责
1、大规模视频理解：负责可灵海量视频数据的打标分类、语义分割、文字识别、Caption生成、聚类分析等工作； 2、模型开发与优化：基于CNN、VLM等技术推进模型训练、微调、评测及高效部署，推动模型在实际场景中的大规模应用； 3、技术研究与创新：聚焦多模态视频生成领域前沿课题，探索生成模型的数据采样技术，提升生成模型的数据使用效率和语义响应能力，打造在业界的领先技术优势； 4、跨领域协作：参与跨团队跨部门技术协同，推动Human in the loop在视频生成领域的研究落地。
1、从事AIGC领域的算法探索和落地开发，负责项目规划与前沿技术推进；负责视觉生成基础模型的框架设计与预训练，以及面向实际应用的优化； 2、研发方向包括但不限于图像/视频/3D图形的生成，重点解决低成本、高品质生成以及可控编辑等关键问题。
1、大规模视频理解：负责可灵海量视频数据的打标分类、语义分割、文字识别、Caption生成、聚类分析等工作； 2、模型开发与优化：基于CNN、VLM等技术推进模型训练、微调、评测及高效部署，推动模型在实际场景中的大规模应用； 3、技术研究与创新：聚焦多模态视频生成领域前沿课题，探索生成模型的数据采样技术，提升生成模型的数据使用效率和语义响应能力，打造在业界的领先技术优势； 4、跨领域协作：参与跨团队跨部门技术协同，推动Human in the loop在视频生成领域的研究落地。
1、研发行业领先且实用的AIGC视觉生成大模型技术，包括AIGC视觉生成大模型、文生图、图生图、保ID的可控编辑、图文/视频多模态理解及生成技术落地； 2、构建完整的AIGC视觉生成系统链路，推动在快手创作/消费/搜索/商业化/AI生产工具等场景的规模应用，实现AIGC关键技术突破、极致打磨效果体验，在各业务场景创作用户价值； 3、负责AIGC技术及产品效果创新，持续打造业界的技术口碑及影响力。
1、产品战略与规划： 深入洞察AIGC行业趋势、用户需求和竞争格局，负责AI图像生成模型及相关应用功能（Web & App）的中长期产品规划和迭代路线图； 2、核心功能与体验设计： 负责AI图像生成核心功能的完整生命周期，通过提升模型的可控性、表现力和易用性，系统性地优化用户创作体验，并探索与定义前沿的AI原生交互模式； 3、一体化工作流构建： 规划并推动图像与视频生成工作流的深度整合方案，打造连贯、高效的一体化创作体验，构建平台的核心竞争壁垒； 4、模型效果定义与驱动： 与算法团队紧密协作，将用户场景和产品需求，转化为清晰、可量化的模型效果评估标准。通过建立评测体系和反馈闭环，持续驱动算法模型在美学、可控性、真实感等方面的迭代精进； 5、数据驱动与用户洞察： 深度挖掘用户行为数据，结合定性/定量的用户研究和A/B测试，科学地评估产品表现，精准洞察用户核心意图与痛点，发现增长机会并驱动产品决策； 6、跨团队协同与项目管理： 作为项目核心，高效地与算法、工程、设计、运营、法务等团队沟通协作，确保产品高质量、按时交付，并达成预期的业务和数据目标。