【B-UP】音视频理解工程师（实习）

你将参与下一代音视频生成MOE大模型的研发，包括 text-to-audio+video、image-to-audio+video、multi-reference generation、video-to-video、long video generation等多模态多任务的统一生成模型研发。你会和数据、评测、平台、内容团队一起，以模型全面能力提升为核心目标

1. 01

   熟悉 PyTorch以及分布式训练框架，理解并有实际经验Diffusion model、MOE、VAE、SFT、RLHF、Distillation 中至少两部分

2. 02

   有多条件参考/图像/视频/音频生成、编辑、超分、插帧、人物一致性、多镜头、音画同步等相关经验

3. 03

   能主动设计实验、分析失败案例，并优化实验结果。 加分项 大规模生成模型训练经验；熟悉 CUDA/Triton、DeepSpeed、FSDP、Megatron、Ray、Slurm；有高质量开源项目、论文、demo 或工业落地经验