研究型实习生-多模态生成模型训练推理优化

重点研究生成大模型的训练和推理效率问题。

研究各种蒸馏加速算法，包括CFG蒸馏，推理步数蒸馏等。

研究各种Training-free推理加速算法，不限于cache、量化、采样优化等策略。

研究生成模型的高效训练架构，包括但不限于sparse/linear attention、时空独立建模、超分模块等策略。

掌握机器学习和深度学习基础知识，熟悉常用视觉生成算法，熟悉Pytorch、Tensorflow等至少一种深度学习框架。

极佳的工程实现能力，熟练掌握C/C++、Java、Python等至少一门语言。

良好的科研能力，有成果发表在CVPR、ICCV、NeurIPS、ICLR、TPAMI等国际顶级会议、期刊者优先。