Soul APP多模态生成算法实习生
任职要求
1. 有大语言模型或Diffusion模型的大规模训练经验, 熟悉相关技术细节和优化策略；
2. 有LLM或Diffusion领域强化学习经验为加分项；
3. 有扎实t…工作职责
1. 在图像和视频生成领域，开展AR Transformer和Diffusion模型融合的研究工作； 2. 探索PPO、DPO等强化学习方案在图像和视频生成领域的潜力，进一步提升生成效果和Benchmark； 3. 将研究成果转化为学术论文，持续投递A类会议；
实习职责： 1. 参与多模态生成模型（如图像生成方向）的数据处理、基础训练及测试工作； 2. 将深度学习图形图像领域技术结合游戏场景进行创新研究； 3. 参与图像-文本数据集的整理、标注及质量评估； 4. 跟踪和复现部分前沿生成式AI相关论文或开源项目； 5. 配合团队完成技术调研、文档撰写及结果可视化展示。
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。
1、参与快手kling多模态视频生成的研发和落地工作（实习生以发论文为主），包括但不限于: t2v，i2v等基础模型研发、多模态可控视频生成编辑、世界模型等； 2、探索将多模态大语言模型mllm如deepseek/qwen相关技术与视频生成相结合，包括但不限于：提升kling视频生成的多模态理解、推理、多轮交互能力等； 3、探索将语音和视频生成相结合，包括但不限于：语音驱动的视频生成，有声视频等； 4、探索实时可拓展的多模态视频生成技术，提升多模态视频生成的质量和效率等； 5、在顶会顶刊上发表研究成果和开源代码，提升团队在多模态视频生成等领域的学术声望。
1、参与快手kling多模态视频生成的研发和落地工作（实习生以发论文为主），包括但不限于: t2v，i2v等基础模型研发、多模态可控视频生成编辑、世界模型等； 2、探索将多模态大语言模型mllm如deepseek/qwen相关技术与视频生成相结合，包括但不限于：提升kling视频生成的多模态理解、推理、多轮交互能力等； 3、探索将语音和视频生成相结合，包括但不限于：语音驱动的视频生成，有声视频等； 4、探索实时可拓展的多模态视频生成技术，提升多模态视频生成的质量和效率等； 5、在顶会顶刊上发表研究成果和开源代码，提升团队在多模态视频生成等领域的学术声望。