夸克算法实习生-多模态生成方向
任职要求
1、计算机科学、人工智能、机器学习或相关专业，硕士及以上学历优先；具备扎实的数理基础（线性代数、概率统计、最优化理论）及算法设计能力； 2、精通Python等编程语言，熟悉Linux开发环境，有良好编程习惯和较…
工作职责
1、参与图像和视频生成相关Agent的核心算法架构设计、开发与性能优化，完成模型训练、数据流水线构建及算法工程化部署，推动实际业务场景落地； 2、参与建设后训练技术如SFT、RLHF等在Agent实际场景中落地； 3、参与Agent链路中的Reward model模型建设，加速业务演进。
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。
聚焦探索实时可交互视频生成方向，产出高水平学术成果与影响力技术落地。 专项课题： 研究方向一：实时视频生成范式探索 1. 实时视频生成范式的探索，系统性验证AR或AR+Diffusion视频生成方案； 2. 尝试垂直领域AR生成范式和AR生成范式在数据上的scaling law和智能涌现能力； 3. DiT视频生成效率提升，包括但不限高效率、低精度损失、高压缩比的视频VAE和tokenizer、包括稀疏架构、MoE等DiT结构探索。 研究方向二：长视频生成的一致性保持 1.DIT范式，AR范式 和 AR + DiT范式下的视频生成记忆框架实现与调研，包括但不限于3D 世界模型表征记忆，预测帧缓存与重用机制 和 用户状态与意图记忆等； 2.基于隐式视觉记忆机制（跨时间追踪关键环境状态），探索无需显式3D建模的动态场景表征，支持对场景物体、光照、环境的长期记忆存储与检索。
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. 主导或参与图像/视频生成大模型的核心算法研发，聚焦扩散模型及VAE的前沿架构创新优化，完成大规模分布式训练、数据流水线构建及算法工程化部署； 2. 推动视觉生成技术在夸克多产品线的场景化落地，解决实际工程问题，实现从算法原型到工业级系统的端到端优化； 3. 开展前沿算法研究，探索多模态后训练、可控生成及推理加速等方向，保持算法的领先性。