算法工程师（多模态理解方向）【2027届】

1. 01

   负责多模态视频大模型（Video LLM）及核心视频理解技术的研发与迭代，聚焦长视频、细粒度、音视频精细化理解方向，持续挑战多模态基础模型的技术边界；

2. 02

   紧密跟踪视频理解与多模态大模型领域最新进展，推动研究成果向业务转化，并在计算机视觉/AI顶级会议（如 CVPR、ICCV、ECCV、NeurIPS 等）发表高水平论文；

3. 03

   将视频理解技术工程化落地于 B站多模态视频数据引擎、智能搜索与推荐、二创高光素材提取及内容审核等核心场景，解决超长视频解析效率、多模态语义精准对齐、分布式大规模训练与推理性能等实际业务痛点，打造行业领先的视频解析大模型基建体系

1.2027届应届毕业生，计算机科学、人工智能、计算机视觉等相关专业本科及以上学历，具备扎实的机器学习、深度学习理论基础；

2. 02

   深入理解多模态与视觉大模型原理，熟悉大模型底层技术（如 Transformer、时空序列建模、并行自回归解码、多模态语义对齐等）；在视频理解或多模态领域有前沿技术研究及论文发表经验，敢于挑战技术边界；

3. 03

   对主流多模态视频大模型架构有深入理解，熟悉长短视频理解评测体系（Benchmark），熟悉 Megatron-LM、ms-swift 等底层分布式大模型框架，具备大规模模型训练（含 SFT 与 RL 阶段调优）、多机多卡集群调度、推理加速优化及工程化部署的实战经验；

4. 04

   CVPR、ICCV、ECCV、NeurIPS、ICML、AAAI 等计算机视觉或 AI 顶会/顶刊发表过相关论文者优先；

5. 05

   熟练使用AI agent能力者优先