课题详情： 研究统一多模态生成与理解的下一代基础模型，重点研究包括： 1. 探索统一建模文本、图像、视频和音频等模态的方案，包括数据、架构和训练方案等。提升多模态生成的智能性、一致性和可控性； 2. 在统一基础模型中研究世界状态的表示与演化，使模型能够理解环境、主体、动作及其变化，并具备推理、规划和状态演化能力，为世界模型和互动模型提供基础； 3. 整合理解、推理、规划、生成等能力，使用一个基础模型覆盖更广泛的任务和应用场景，提升模型的通用性与扩展性。 课题要求： 1. 具备多模态理解、多模态生成或大模型相关经验； 2. 对统一多模态模型、理解生成一体化模型有较强技术判断； 3. 具备大模型训练、调参、实验分析和问题排查能力； 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、统一多模态架构相关经验； 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。