混元多模态-视频后训练技术研究

课题背景：视频生成大模型正逐渐从学术研究走向应用落地，业界前沿视频生成模型已融合了多镜头、音画一致、参考生成等多种能力。如何在复杂多模态、多复杂任务的模型上做统一的后训练是一个极具挑战的课题。 课题挑战：

1. 01

   多镜头、音画一致、参考生成等多种任务的reward model构建；

2. 02

   时序感知友好的运动reward model构建，提升运动合理性；

3. 03

   id一致性保持：提升长时跨镜头视频生成场景下的id保持能力。 具体工作：参与或负责上述课题的技术探索，优秀的方法和成果将直接应用到混元视频基模发版实验，成为核心贡献者。

学历和专业要求：来自计算机、人工智能、自动化、数学等相关专业的优秀博士/硕士。 技术技能要求：熟悉图像/视频等后训练技术与方法，有相关实践经验和相关顶会论文发表；代码能力强，熟练掌握 PyTorch/verl/Megatron；有相关实习经验者优先，有竞赛获奖经历优先。 此课题同时招聘应届实习生和低年级实习生。