1.负责大规模视频基座模型的预训练算法研发，包括模型架构设计、自监督/多模态训练策略优化。 2.构建并清洗海量视频-文本、视频-音频等多模态数据对，支撑百亿/千亿级参数规模的稳定训练。 3.探索视频生成（如DiT、扩散模型）与视频理解（如VideoMAE、多模态大模型）方向的共性表征学习。 4.负责基座模型在下游任务（如视频编辑、动作识别、多模态对话）中的高效适配与能力迁移 1.硕士及以上学历，计算机、人工智能等相关专业。 2.扎实的编程功底，熟练掌握 Python/C++ 及 PyTorch，熟悉分布式训练框架（如 DeepSpeed、Megatron）。 3.深入理解Transformer、ViT、3D卷积等视频网络架构，熟悉对比学习、掩码建模等预训练范式。 4.具备大规模数据处理能力，熟悉视频解码、抽帧、多模态对齐等数据流水线构建。 5.熟悉模型轻量化技术（量化、蒸馏）或超长视频建模者优先。