理解生成一体化架构升级，同时打通图视频统一底座；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。\n\n你将主导：\n1、理解生成一体化架构设计；\n2、Thinking / Chain-of-Thought for Image Generation；\n3、Long Visual Context Compression；\n4、大规模多模态预训练；\n5、后训练与对齐；\n6、图视频统一探索。\n\n我们能提供：\n1、真正的架构话语权——你的判断直接写进技术路线图；\n2、经过验证的执行力和产品力——O1 和 3.0 Omni 不是 paper，是每天上百万用户在用的产品；\n3、充足资源——中心级千卡算力 + 完整数据基础设施；\n4、图视频协同的独特 scope——国内少数同时在图像和视频头部的平台。 1、博士 or 顶会一作 or 业界核心项目参与者；\n2、有大规模多模态理解/生成模型 hands-on 经验；\n3、深入理解 MLLM / Diffusion：视觉 encoder、跨模态对齐、长 context、多图交互；\n4、有大规模多模态预训练经验（数据配比、训练稳定性、loss 平衡）；\n5、后训练全链路至少亲手做过两个阶段。\n\n加分项：\n1、对"理解生成如何深度一体化"有自己的技术判断；\n2、深入研究或做过 Transfusion / Janus / BAGEL / MetaQuery 等统一架构；\n3、有大规模弱关联数据挖掘和预训练经验；\n4、其他参考项如 Visual Tokenizer / Compressor、Chain-of-Thought、视频理解或生成、开源影响力。