高德地图AIGC多模态算法工程师-视频生成/理解方向-APP平台业务
任职要求
职位要求
1.理工科：计算机相关的硕士/博士在读；
2.在图像/视频生成领域有一定的经验，对大模型，diffusion，auto-regressive，RL，GRPO等相关技术掌握
3.对视频生成的aligment，high quality，long video，推理加速等方面有一…工作职责
团队介绍： 我们团队在多模态大模型，视频生成/视频理解等多个方向都有业界影响力的工作产出，在这里，你将与算法精英共事，提升你的技术实力和创新能力。团队可以为你提供足够的计算资源和数据资源。团队承接公司核心业务，深耕人工智能前沿领域，在业内有持续影响力，多篇论文入选paper digest最有影响力论文名单。 岗位职责包括但不限于： 1. 负责视频生成/视频理解技术的前沿技术的研究，并且能够使用到落地的视频生成模型中，提升视频生成模型的效果， 2. 针对视频生成的某一个领域问题，能够做到问题建模，创新性提出优化方法和模型训练； 3. 调研前沿技术，发表顶级论文。
创作发布算法方向： 1、负责图像编辑、视频剪辑、文案创作等内容创作相关算法的研发与优化，并在社区发布、商业化&电商创作等场景落地； 2、跟进多模态大模型内容生产、Agent等相关技术的最新发展趋势，保持技术先进性，持续探索Agent在内容创作方面的潜力。 内容理解方向： 1、负责多模态内容理解、图像理解以及NLP相关的算法研发工作，提升搜索、广告、推荐、创作发布的效果和体验； 2、负责包括但不限于多模态大模型Pre/PostTrain、数据挖掘，持续优化并突破业界SOTA效果，兼具落地以获取业务线上收益； 3、紧密关注相关领域业界的最新进展，时刻保持技术先进性，探索前沿技术的落地结合点。 AIGC生成方向： 1、负责多模态生成/GAN/Diffusion等图像&视频生成相关算法研发与优化, 跟进该领域的前沿技术研究； 2、参与技术规划制定, 跟进图像&视频生成技术最新发展趋势，打造业内领先的多模态内容生成能力。； 3、推动技术在图像&视频编辑/素材生成/辅助设计/特效等领域的应用。
创作发布算法方向： 1、负责图像编辑、视频剪辑、文案创作等内容创作相关算法的研发与优化，并在社区发布、商业化&电商创作等场景落地； 2、跟进多模态大模型内容生产、Agent等相关技术的最新发展趋势，保持技术先进性，持续探索Agent在内容创作方面的潜力。 内容理解方向： 1、负责多模态内容理解、图像理解以及NLP相关的算法研发工作，提升搜索、广告、推荐、创作发布的效果和体验； 2、负责包括但不限于多模态大模型Pre/PostTrain、数据挖掘，持续优化并突破业界SOTA效果，兼具落地以获取业务线上收益； 3、紧密关注相关领域业界的最新进展，时刻保持技术先进性，探索前沿技术的落地结合点。 AIGC生成方向： 1、负责多模态生成/GAN/Diffusion等图像&视频生成相关算法研发与优化, 跟进该领域的前沿技术研究； 2、参与技术规划制定, 跟进图像&视频生成技术最新发展趋势，打造业内领先的多模态内容生成能力。； 3、推动技术在图像&视频编辑/素材生成/辅助设计/特效等领域的应用。
1.生成模型研发： 负责高质量图像与视频生成模型的选型、训练与调优（如Stable Diffusion、DiT、Video Generation Models），针对业务需求开发可控生成方案（ControlNet、LoRA、Adapter），实现广告素材自动化生成、商品图智能设计等。 2.多模态理解与检索： 构建高性能的多模态理解与表征模型（CLIP、BLIP、MLLM），优化跨模态检索（Text-to-Image/Video Retrieval）和内容打标能力，赋能搜索相关性提升及推荐系统的多模态召回与排序。 3.业务场景落地： 深入理解搜推广业务，设计AIGC在广告创意优化、搜索结果增强（Generative Search）、短视频内容重组等场景的应用链路；建立A/B实验体系，对AIGC生成内容的点击率（CTR）、转化率（CVR）及用户留存负责。 4.数据与系统优化： 构建大规模高质量的图文/视频训练数据集与美学评分体系；与Infra团队配合，优化生成模型的推理延迟与吞吐（如Distillation、Quantization），确保在线服务的高并发稳定性。
1、负责基础模型和生成式人工智能的基础能力建设和业务落地，包括但不限于文本生成/翻译、图生文、深伪技术、大模型高效训练/推理等等，追踪业界最前沿进展，并进行前瞻性的技术研究； 2、带领团队将AIGC相关技术在广告、电商、短视频、直播等商业产品的内容理解上落地，构建新一代基于大模型的商业化生态； 3、负责大模型算法团队的项目规划、团队建设、跨团队合作，打造行业领先的内容理解算法团队。