课题详情： 研究多模态生成大模型，推动视频生成从少模态、短上下文，升级为丰富模态、长上下文的生成。使模型能够理解文本、图像、视频、音频、动作、镜头、ID等，能够理解用户的复杂意图。重点研究包括但不限于： 1. 多模态、长上下文的统一建模，研究多模态生成大模型的数据构建、架构与训练方法； 2. 提升模型的精确控制、编辑能力和组合泛化能力；提升长视频生成中人物、物体、空间关系和视觉风格的一致性； 3. 研究大规模数据和大规模模型扩展下，进一步提高模型上限。研究利用好用户数据和长程轨迹数据等。 课题要求： 1. 熟悉多模态生成技术，有生成模型核心经验； 2. 具备大模型训练、调参、实验分析和问题排查能力； 3. 对数据有感觉、认同数据价值，能够深入分析数据、构建数据方案； 4. 好奇心强，思路灵活，做事认真负责，愿意挑战开放问题； 5. 熟练使用 AI 工具提升研发效率。 加分项 1. 有大规模预训练、多模态生成模型训练直接经验； 2. 有顶会论文、开源项目、产品落地经验等； 3. 在ACM、NOI等竞赛中取得优秀成绩。