智能互联AI创新事业部-多模态算法专家/高级专家（理解与生成）-未来生活实验室
任职要求
1. 自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生； 2. 熟练掌握Tensorflow、Pytorch等深度学习框架，扎实的编程基础，具备独立的算法实现能力； 3. 有LLM实操经验，参与过大模型…
工作职责
1. 多模态理解：负责图文/视频/音频理解相关的算法研发，提升模型对复杂多模态场景的语义分析和推理能力。 2. 多模态生成：开发基于 Diffusion Model 或 Autoregressive 架构的生成算法（如 Text-to-Image, Text-to-Video），优化生成的质量、多样性与可控性。 3. 统一架构：设计并研发多模态大模型理解和生成的统一架构，通过高效Transformer结构、位置编码优化等，实现对图像、视频、文本的深度语义理解与高保真内容生成。
1. 多模态理解：负责图文/视频/音频理解相关的算法研发，提升模型对复杂多模态场景的语义分析和推理能力。 2. 多模态生成：开发基于 Diffusion Model 或 Autoregressive 架构的生成算法（如 Text-to-Image, Text-to-Video），优化生成的质量、多样性与可控性。 3. 统一架构：设计并研发多模态大模型理解和生成的统一架构，通过高效Transformer结构、位置编码优化等，实现对图像、视频、文本的深度语义理解与高保真内容生成。
1. 多模态理解：负责图文/视频/音频理解相关的算法研发，提升模型对复杂多模态场景的语义分析和推理能力。 2. 多模态生成：开发基于 Diffusion Model 或 Autoregressive 架构的生成算法（如 Text-to-Image, Text-to-Video），优化生成的质量、多样性与可控性。 3. 统一架构：设计并研发多模态大模型理解和生成的统一架构，通过高效Transformer结构、位置编码优化等，实现对图像、视频、文本的深度语义理解与高保真内容生成。
1. 大模型数据体系建设：负责多模态（图/影/文）全链路数据工程，涵盖接入、清洗过滤、模态对齐、采样配比及版本管理。 2. 自动化流水线：设计并落地高并发数据处理 Pipeline，提升数据产出效率、稳定性与实验可复现性。 3. 质量评估与监控：建立多维度数据质量指标（如时序一致性、模态对齐度、噪声率等），构建自动化 QA 与健康度监控看板。 4. 数据策略优化：针对模型训练目标制定数据策略，包括难例挖掘、长尾补齐、负样本构造及数据混配，通过实验驱动模型收益。 5. 闭环迭代：协同模型与业务团队，针对 Bad Case 定位数据问题，打通“数据-训练-评估-回流”的闭环迭代。
1. 负责音频生成大模型研发（文生音频、音频编辑、音色克隆、音效合成等），产出高保真、可控的生成方案并推动落地； 2. 研发音频理解大模型，构建跨模态（文本、图像、视频与音频联合）的细粒度音频内容描述体系； 3. 搭建大规模多源通用音频数据集（音乐、语音、环境声等），支撑模型持续迭代； 4. 推动音频大模型在业务场景中落地，解决推理效率、可控性、实时性等工程问题； 5. 跟进行业前沿，保持团队在通用音频大模型领域的技术领先。