多模态理解与生成统一架构核心研究员

现在在做什么

1. 01

   理解生成一体化架构升级，同时打通图视频统一底座；

2. 02

   理解能力正在成为生成质量的天花板。Google Nano Banana 2、GPT Image 2.0 都在朝这个方向收敛。我们的下一代模型需要在多模态理解上有完整 hands-on 经验的人，一起定义新架构——而不是执行已定方案。 你将主导：

3. 01

   理解生成一体化架构设计；

4. 02

   Thinking / Chain-of-Thought for Image Generation；

5. 03

   Long Visual Context Compression；

6. 04

   大规模多模态预训练；

7. 05

   后训练与对齐；

8. 06

   图视频统一探索。 我们能提供：

1. 01

   博士 or 顶会一作 or 业界核心项目核心参与者；

2. 02

   大规模多模态理解/生成模型 hands-on 经验；

3. 03

   深入理解 MLLM / Diffusion：视觉 encoder、跨模态对齐、长 context、多图交互；

4. 04

   有大规模多模态预训练经验（数据配比、训练稳定性、loss 平衡）；

5. 05

   后训练全链路至少亲手做过两个阶段。 我们更看重：

6. 01

   对"理解生成如何深度一体化"有自己的技术判断；

7. 02

   深入研究或做过 Transfusion / Janus / BAGEL / MetaQuery 等统一架构；

8. 03

   有大规模弱关联数据挖掘和预训练经验。 加分： Visual Tokenizer / Compressor、Chain-of-Thought、视频理解或生成、开源影响力。