快手多模态理解与生成统一架构核心研究员-【可灵AI】

社招全职3-5年J00112026-06-09地点：北京 | 深圳状态：招聘

扫码手机上打开

任职要求

必备：
1、2-3 年大规模多模态理解/生成模型 hands-on 经验，主导过完整项目或者核心贡献者；
2、深入理解 MLLM / Diffusion：视觉 encoder、跨模态对齐、长 context、多图交互；
3、有大规模多模态预训练经验（数据配比、训练稳定性、loss 平衡）；
4、后训练全链路至少亲手做过两个阶段；
5、博士 or 顶会一作 or 业界核…

登录查看完整任职要求

微信扫码，1秒登录

工作职责

现在在做什么：
1、理解生成一体化架构升级，同时打通图视频统一底座；
2、理解能力正在成为生成质量的天花板。Google Nano Banana 2、GPT Image 2.0 都在朝这个方向收敛。我们的下一代模型需要在多模态理解上有完整 hands-on 经验的人，一起定义新架构——而不是执行已定方案。

你将主导：
1、理解生成一体化架构设计；
2、Thinking / Chain-of-Thought for Image Generation；
3、Long Visual Context Compression；
4、大规模多模态预训练；
5、后训练与对齐；
6、图视频统一探索。

我们能提供：
1、真正的架构话语权——你的判断直接写进技术路线图；
2、经过验证的执行力和产品力——O1 和 3.0 Omni 不是 paper，是每天上百万用户在用的产品；
3、充足资源——中心级千卡算力 + 完整数据基础设施；
4、图视频协同的独特 scope——国内少数同时在图像和视频头部的平台。

📮 投递简历 ✨AI模拟面试

难度：

包括英文材料

数据挖掘+

相关职位

【Ace顶尖实习生】面向多业务场景的“理解-生成-决策”多模态统一大模型基座与智能体应用研究

校招内容理解

本课题旨在探索构建一套“理解-生成-决策”三位一体的多模态统一大模型基座及智能体应用。在底层基座构建上，重点构建理解与生成统一的图文交错混合模型：输入端实现多体裁内容（笔记、直播、商品等）的统一融合理解，输出端兼顾高质量表征提取、文本与图像生成。通过底层世界知识共享，消除多领域知识间的壁垒，并利用理解任务促进生成能力的提升。同时探索基于Multi-Head与MoE的轻量化微调及融合推理技术，在保证多场景下的效果前提下，压低训练和推理成本，实现降本增效。在上层应用落地上，面向内容发布场景打造多模态创作Agent能力，通过基座模型的Agentic能力提升（意图识别、规划与工具调用），将分散的图像处理与创作工具统一封装，用户仅需以多模态方式自然表达需求，Agent即可自动完成任务拆解与执行，大幅降低使用门槛，全面重塑内容创作体系。

更新于 2026-07-01北京|上海|杭州

混元-多模态理解与生成模型高性能推理框架及算子优化研究

校招青云计划-实习生

北京|上海

飞猪-多模态理解与生成算法负责人-杭州

社招5年以上

1. 负责OTA在线旅行领域的多模态大模型的方案设计与落地，包括预训练、指令微调与对齐，强化学习/RLHF后训练，并在内容生产，拍照讲解等多个旅行行业场景落地。 2. 负责研究生成理解统一，VQA，高效多模态数据管线等方向。 3. 负责跟踪并实践多模态生成大模型前沿技术，引入新的算法技术及理念，推动业务落地及技术优化。

更新于 2026-01-30杭州

飞猪-算法高级工程师/专家-多模态理解与生成

社招1年以上

1. 从事多模态大模型的训练，包括预训练、指令微调与对齐，强化学习/RLHF后训练，提升模型在复杂场景下的泛化与生成能力。 2.从事高效多模态数据管线。 3. 将多模态大模型应用于内容生产，拍照讲解，多模态对话等多个旅行行业场景落地。 4.跟踪并实践多模态生成大模型前沿技术，引入新的算法技术及理念，推动业务落地及技术优化。

更新于 2026-03-30杭州