通义原生多模态世界模型算法工程师
任职要求
1. 来自全球Top高校计算机科学、人工智能、数学、物理或相关领域应届博士/顶尖硕士毕业生。 2. 在国际顶级计算机会议/期刊（如NeurIPS、CVPR、ICLR、ECCV、TPAMI等）以一作身份发表过多篇论文，或在开源社区、竞赛中展示出引领性的研究成果。 3. 对Diffusion Models、GANs、VAEs等生成模型有深入理解，熟悉基于Transformer架构的自回归生成模型、DiT等扩散模型；在语言-视觉联合建模、图文/视频生成任务方面有系统性理解，熟悉CLIP/VLM 等跨模态模型架构，并至少在生成模型或语言-视觉联合建模方向产生具有行业影响力的创新成果。 4. 对多模态世界模型的可控性、一致性、长序列建模、跨模态对齐与协同、效率优化等关键问题有持续探索的兴趣，敢于挑战现有范式，有志于在该领域构建具有行业影响力的新范式。 5. 具备扎实的代码功底，熟悉PyTorch/TensorFlow等框架，能够高效实现复杂模型结构并进行大规模训练（如千卡级大模型训练、混合精度优化、显存优化）经验；ACM/ICPC，topcoder等编程比赛获奖者优先。 6. 具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响力。
工作职责
随着大模型技术的飞速发展，理解和生成多模态数据（图像、视频、音频、3D素材等）的能力日益增强。目前，构建能够同时进行输入和输出的多模态世界模型已成为业界的研究热点，也是实现通用人工智能（AGI）的重要技术路径之一。 通义万相（Wan）将持续在世界模型、原生多模态预训练、理解-生成融合范式、统一Tokenizer研究、人类反馈与强化学习等前沿技术方向上进行探索，始终追求在多模态世界模型领域的领先研究地位，致力于建立世界级的技术影响力。 多模态世界模型前沿技术研究项目，团队在多个方向上进行探索（具体如下罗列），若你对以下一个或者多个课题感兴趣均欢迎投递： 1. 世界模型，包括但不限于：长视频生成、多模态交互式世界模型、实时音视频生成、生成驱动的世界渲染引擎、3D/4D生成。 2. 原生多模态预训练，包括但不限于：融合语言与图像理解生成统一的多模态模型、音视频融合的生成模型、高效多模态预训练算法。 3. 人类反馈与强化学习，包括但不限于：基于规则的强化学习策略、高效 DPO 与 PPO 算法设计、基于用户反馈的RLHF视频生成质量提升。 4. 统一Tokenizer研究，包括但不限于：适用于图像、视频、音频等多种模态生成和理解的统一Tokenizer、提高多模态模型的泛化能力和效率。 5. 大模型训练/推理优化，包括但不限于：模型蒸馏、模型剪枝、attention计算近似等高效训练加速策略。
1. 负责探索自动驾驶世界模型的研发，并将该模型落地到下一代自动驾驶系统中； 2. 参与面向自动驾驶的原生多模态大模型系统的算法研发； 3. 深入理解自动驾驶的应用场景，针对研发的世界模型，构建完备的模型评估链路和标准；
团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、参与设计并实现高可用、可扩展、分布式机器学习平台，支撑字节跳动智能语音相关业务算法生产与高效迭代； 2、与算法工程师密切配合，理解深度学习模型研发流程，负责/参与机器学习平台的设计、开发和维护； 3、持续提升平台效率、易用性、降低算法使用成本，探索业界前沿的机器学习相关技术，设计并实现到机器学习平台中。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、参与设计并实现高可用、可扩展、分布式机器学习平台，支撑字节跳动智能语音相关业务算法生产与高效迭代； 2、与算法工程师密切配合，理解深度学习模型研发流程，负责/参与机器学习平台的设计、开发和维护； 3、持续提升平台效率、易用性、降低算法使用成本，探索业界前沿的机器学习相关技术，设计并实现到机器学习平台中。
1. 行业垂直大模型训练与优化：负责针对特定行业进行垂直大模型的端到端训练与精调，深度挖掘行业数据价值，构建具备专业知识壁垒的AI核心能力。 2. 前沿技术探索与落地： 跟踪大语言模型、多模态及强化学习等前沿算法，并将其创造性地应用于钉钉的核心业务场景（如行业解决方案、商业化产品等），负责从技术到产品的全链路落地，持续推动AGI在真实世界中的价值实现。 3. AI原生应用构建： 依托钉钉强大的AI平台与自研的垂直大模型，主导构建AI原生应用。重点方向包括但不限于：高级认知搜索、可自主执行任务的智能体 (Agentic AI)、以及深度内容洞察与生成工具，打造具有核心用户价值和行业影响力的产品。 4. 智能化场景创新： 探索大语言模型、多模态及扩散模型等技术，在搜索、推荐、广告等场景的创新应用，设计并实现新一代智能化解决方案，提升用户体验与商业效率。