视频生成算法实习生

视频生成算法研究：跟踪视频生成、多模态生成前沿进展，探索新模型、新训练方法和生成范式，完善数据、训练、评估的端到端算法pipeline，推动模型迭代优化。

模型设计与优化: 针对视频生成中的画质、运动、时序一致性、可控性、长视频生成等问题，持续优化模型架构、训练策略和数据方案，提升模型生成能力。

流式视频生成研究: 探索低延迟、长时序、流式视频生成技术，包括Causal Attention、KV Cache、Auto-regressive Generation等方向，提升长视频生成效率和时序稳定性。

推理性能优化: 分析模型训练与推理时的性能瓶颈，在保证生成质量的同时优化推理速度、显存占用和计算成本，探索模型蒸馏、Cache优化等加速方案，推动算法落地到实际业务。

2027届以后本科及以上学历，计算机、软件工程、人工智能、数学等相关专业。

具备扎实的机器学习、深度学习和数学基础，理解生成模型的核心原理，对以下一种或多种技术有深入理解： - Diffusion Model / Flow Matching - Transformer / DiT - VAE - Auto-regressive Generation - Multimodal Generation

具备视频生成的实际项目经验，熟悉主流视频生成模型和技术路线，如Wan、HunyuanVideo、LTX-Video、MiniMax H3等。

熟悉PyTorch，具备良好的算法实现和工程能力，能够独立完成模型训练、实验分析和问题定位。

具备良好的分析能力和快速学习能力。

具备良好的沟通和团队协作能力。

实习时间：5个月以上，每周至少4天出勤 加分项 - 在CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML、SIGGRAPH等相关会议发表过论文； - 熟悉Causal Attention、KV Cache等流式生成技术； - 熟悉长视频生成、音视频联合生成、人物/主体一致性、视频可控生成等方向； - 有优秀的开源项目、算法竞赛或生成模型相关研究成果。