高德地图高德-AIGC多模态生成&理解算法工程师/专家-北京
任职要求
1.计算机、数学相关的硕士/博士毕业生； 2.在多模态大模型、AIGC、图像生成、视频生成、视频理解、3D生成等领域有一定的经验，能够掌握领域内的最新技术进展，具备实现、改进新的算法能力； 3.熟悉MLLM模型、diffusion、auto-regressive、RL等技术，同时对先进技术和业务落地有一定的passion； 4.良好的团队合作精神和沟通能力。 5.在人工智能顶级会议（CVPR/ICCV/ECCV/ICLR/NeurIPS/ICML等）或期刊上发表过相关论文； 6.知名国际比赛获得Top3名次。
工作职责
团队介绍： 高德地图机器学习研发部是公司AI核心技术引擎，聚焦多模态大模型、视频生成与理解、图像编辑与生成等前沿领域。团队深耕人工智能技术落地，支撑亿级用户产品，同时长期投入前沿探索，在NeurIPS/ICLR/CVPR/ACL等顶会发表多篇论文，多项成果入选“最有影响力论文”榜单。我们拥有海量数据与算力资源，鼓励创新突破，诚邀你与顶尖算法专家并肩，共同定义AI的未来！如果你渴望挑战多模态与生成式AI的技术巅峰，在视频、图像、大模型的交叉领域实现突破，欢迎加入我们！团队的github页面是：https://github.com/AMAP-ML/ 我们提供 • 参与亿级用户产品的AI核心算法研发，见证技术直接赋能业务； • 与学术大牛和工业界专家共事，持续提升技术视野； • 顶配算力资源+开放创新氛围，支持前沿探索与顶会论文发表。 具体职责包括但不限于： 1. 视频生成：负责视频生成技术的前沿技术的研究，对AIGC的diffusion和auto-regressive技术有深入了解，在T2I/AIGCT2V/I2V上面有一定的研究，图文对齐，长视频生成等有一定的研究，做好视频生成在高德业务（广告，POI详情页等）中的进行落地。 2. 视频理解：能够使用和优化多模态大模型对用户上传的视频进行质量理解，标签，densecaption，视频summary等生成，作用到视频的搜索，广告，推荐等业务的落地。 3. 世界模型： 参与世界模型的构建，能够使用最新的视频生成技术，3D技术等构建符合人类物理规律的统一的世界模型，在高德的业务进行落地。 4. 紧跟技术前沿和技术沉淀，形成顶会论文和专利。
1、参与多模态生成算法的调研和分析，如Diffusion Models 、 GAN 、 VAE 、 Autoregressive Models等，包括但不限文本/图像/视频生成，解决生成质量、多样性、可控性、采样效率、可编辑等问题； 2、参与多模态生成算法的基础模块的研发，如 VAE、CLIP、LLM 等； 3、协助多模态生成算法的效果分析、数据优化、行业调研 等。
负责三七互娱-37手游 AIGC应用开发与服务化工作，推动多模态生成能力在公司实际业务中的高效落地。持续参与视频生成、图片生成、音乐生成、AI Agent等前沿技术在企业内外的实践与规模化应用。包括且不限于： 1. AIGC平台系统开发：保障企业级模型服务的稳定性、安全性和可扩展性，包括但不限于模型/服务自动化部署、运行监控、弹性扩缩容、自动回滚、故障自愈、全链路可观测性和 SLA 管理等。 2. AIGC多模态应用工作流的设计与开发：负责企业级多模态大模型工作流的设计与开发，包括流程自动化、工具链集成以及低/无代码应用平台的建设，助力业务智能化升级。 3. LLM 工作流编排与Multi-agent系统的设计与开发：构建Multi-agent协作系统，实现 agent自治、分布式任务调度、任务拆解与动态规划等能力，支持复杂业务场景的自动化与智能决策。
团队介绍： 近年来，以大模型为核心的生成式人工智能技术发展取得了突破性进展，视觉内容创作领域展现出前所未有的技术潜力与广泛的应用前景。我们在数字人、视觉理解、2D/3D生成&编辑、人机交互等领域深耕多年，拥有丰富的学术积累与工程实践经验。过去几年，团队在顶级会议发表论文50余篇，相关成果已在阿里集团内外如教育、培训、客服、社交等多场景落地，在多家主流手机厂商中实现深度集成，也成功服务于奥运会、亚运会、春晚等盛会，累计数亿次调用。 如果你对研发规模化的AIGC解决方案感兴趣，期望在计算机视觉、图形学与机器学习领域持续创新，推动图像、视频与3D内容创作的普惠化和产业化发展，欢迎加入我们共同探索生成式AI在视觉内容创作中的无限可能。 岗位职责具体职责包括但不限于： 1.负责视觉生成模型的核心理论与前沿进展相关研究，通过算法创新与性能优化，提升多模态内容的生成质量、多样性与可控性。 2.负责图像/视频生成、编辑与理解等的核心算法研发、系统研发和产品开发，包括文生图/视频、图生图/视频、图像/视频修复、图像/视频编辑、风格迁移等。 3.负责2D/3D数字人核心算法研发、系统研发和产 品开发，包括基于2D/3D数字人重建、2D/3D数字人生成、姿态估计、表情驱动、语音驱动等。 4.负责面向场景的空间智能算法研究、产品开发，包括子弹时间系统、4D体积视频、3D感知、空间定位等。 5.探索理解生成统一的新范式，以及更加高效的多模态生成Scaling方法，包括但不限于高效attention设计、人类反馈和强化学习、模型蒸馏、训练/推理优化、多模态Tokenizer研究。
1、研发行业领先且实用的音乐多模态算法，包括但不限于文生音乐、视频音乐生成、音乐编辑、基于歌词/发音人 prompt/哼唱等条件的歌曲生成、交互式音乐内容创作、音乐信息检索等方向； 2、跟进并调研国内外前沿的音乐多模态生成与编辑技术，协助团队完成相关算法的设计、实现与优化； 3、协助完成数据处理、模型训练、效果评估等实验工作，并产出高质量的技术报告或顶会文章； 4、积极参与团队讨论，配合工程同事推动算法落地； 5、参与开源项目、技术论文撰写、专利申请等工作，持续打造业界的技术口碑及影响力。