多模态生成模型前沿技术研究项目，旨在进行如下课题研究： 1. 模型架构与 Scaling Law：探索面向视频生成的高效 DiT/MoE 架构，通过Attention优化、Optimizer优化、VAE 表征极限压缩，研究视频生成的 Scaling Law， 提升长时序与物理一致性生成能力； 2. 音视频多模态对齐：解决视频与音频在时序、语义、情绪上的强一致性问题，支持文本/图像/视频/音频等多任务统一建模； 3. 多模态生成后训练：基于 WAN基模与 RLHF/Continue Learning 后训练范式，多维度奖励模型探索，缓解长视频中的漂移、形变与物理遵循问题； 4. 实时视频生成：探索Streaming、量化、注意力机制优化、CUDA 并行计算及模型蒸馏等技术，建立实时视频生成的 pipeline 级别技术解决方案与算法； 5. 多模态交互式世界模型：研究多模态交互式世界模型技术框架，探索多模态生成领域的新范式。