【快Star】理解生成一体化算法研究员
深圳·北京
硕士及以上
中文学类·计算机类
使用简历深度优化功能，快速提升简历质量
职位介绍
职位描述:
理解生成一体化架构升级，同时打通图视频统一底座；理解能力正在成为生成质量的天花板。Google Nano Banana 2、GPT Image 2.0 都在朝这个方向收敛。我们的下一代模型需要在多模态理解上有完整 hands-on 经验的人，一起定义新架构——而不是执行已定方案。你将主导：1、理解生成一体化架构设计；2、Thinking / Chain-of-Thought for Image Generation；3、Long Visual Context Compression；4、大规模多模态预训练；5、后训练与对齐；6、图视频统一探索。我们能提供：1、真正的架构话语权——你的判断直接写进技术路线图；2、经过验证的执行力和产品力——O1 和 3.0 Omni 不是 paper，是每天上百万用户在用的产品；3、充足资源——中心级千卡算力 + 完整数据基础设施；4、图视频协同的独特 scope——国内少数同时在图像和视频头部的平台。
任职要求:
1、博士 or 顶会一作 or 业界核心项目参与者；2、有大规模多模态理解/生成模型 hands-on 经验；3、深入理解 MLLM / Diffusion：视觉 encoder、跨模态对齐、长 context、多图交互；4、有大规模多模态预训练经验（数据配比、训练稳定性、loss 平衡）；5、后训练全链路至少亲手做过两个阶段。加分项：1、对"理解生成如何深度一体化"有自己的技术判断；2、深入研究或做过 Transfusion / Janus / BAGEL / MetaQuery 等统一架构；3、有大规模弱关联数据挖掘和预训练经验；4、其他参考项如 Visual Tokenizer / Compressor、Chain-of-Thought、视频理解或生成、开源影响力。
理解生成一体化架构升级，同时打通图视频统一底座；理解能力正在成为生成质量的天花板。Google Nano Banana 2、GPT Image 2.0 都在朝这个方向收敛。我们的下一代模型需要在多模态理解上有完整 hands-on 经验的人，一起定义新架构——而不是执行已定方案。你将主导：1、理解生成一体化架构设计；2、Thinking / Chain-of-Thought for Image Generation；3、Long Visual Context Compression；4、大规模多模态预训练；5、后训练与对齐；6、图视频统一探索。我们能提供：1、真正的架构话语权——你的判断直接写进技术路线图；2、经过验证的执行力和产品力——O1 和 3.0 Omni 不是 paper，是每天上百万用户在用的产品；3、充足资源——中心级千卡算力 + 完整数据基础设施；4、图视频协同的独特 scope——国内少数同时在图像和视频头部的平台。
任职要求:
1、博士 or 顶会一作 or 业界核心项目参与者；2、有大规模多模态理解/生成模型 hands-on 经验；3、深入理解 MLLM / Diffusion：视觉 encoder、跨模态对齐、长 context、多图交互；4、有大规模多模态预训练经验（数据配比、训练稳定性、loss 平衡）；5、后训练全链路至少亲手做过两个阶段。加分项：1、对"理解生成如何深度一体化"有自己的技术判断；2、深入研究或做过 Transfusion / Janus / BAGEL / MetaQuery 等统一架构；3、有大规模弱关联数据挖掘和预训练经验；4、其他参考项如 Visual Tokenizer / Compressor、Chain-of-Thought、视频理解或生成、开源影响力。
