（可灵AI专项）多模态理解算法工程师

Job description

大规模视频理解

• 负责可灵海量视频数据的打标分类、语义分割、文字识别、Caption生成、聚类分析等工作；

模型开发与优化

• 基于CNN、VLM等技术推进模型训练、微调、评测及高效部署，推动模型在实际场景中的大规模应用；

技术研究与创新

• 聚焦多模态视频生成领域前沿课题，探索生成模型的数据采样技术，提升生成模型的数据使用效率和语义响应能力，打造在业界的领先技术优势；

跨领域协作

• 参与跨团队跨部门技术协同，推动Human in the loop在视频生成领域的研究落地。

学历与经验

• 硕士及以上学历，3年及以上相关工作经验。计算机视觉、自然语言处理或多模态方向背景优先；

学术背景

• 具备较强的学术调研能力，能快速理解和实现论文中的算法；有高质量论文发表、开源项目贡献、ACM竞赛或相关学术比赛获奖经历者优先；

深度学习能力

• 熟练掌握深度学习框架（如PyTorch、TensorFlow），有模型训练、压缩、蒸馏和微调经验；熟悉DeepSpeed等加速工具优先；

工程能力

• 具备优秀的独立开发与调试能力，熟悉Python服务开发，Hive大数据处理等技术；

团队协作

• 具备良好的沟通能力，乐于学习与分享，能够与团队高效协作解决问题。 【加分项】 1、熟悉视频处理相关工具与技术，如FFmpeg、OpenCV等； 2、在视频理解、多模态建模方向有实战项目经验。