视频生成算法工程师（VLM）
岗位摘要
负责PE Model、Caption/Recaption Model、Reward Model等视频VLM的训练与实际落地；基于千卡级算力完成大规模SFT、RL（DPO/PPO/RLHF等）训练，提升模型在视频理解、细粒度Caption生成、视频质量/对齐评估上的效果
岗位职责
- 负责PE Model、Caption/Recaption Model、Reward Model等视频VLM的训练与实际落地
- 基于千卡级算力完成大规模SFT、RL（DPO/PPO/RLHF等）训练，提升模型在视频理解、细粒度Caption生成、视频质量/对齐评估上的效果
- 负责三类VLM训练数据的全流程构建，包括规则清洗、VLM打标/伪标签自动化流程，以及外包标注团队的管理与质检
- 构建精准的RL奖励/反馈数据，持续积累和打磨高质高量的训练数据
- 负责三类VLM的Benchmark构建与迭代，设计贴合实际应用场景的评测集与评价指标
- 建立客观高效的评测机制，通过Badcase分析定位模型与数据短板，反哺数据清洗与训练策略
- 建立「数据清洗/标注 → SFT/RL训练 → 评测分析 → Badcase修复」的迭代闭环，保障模型效果持续提升并快速落地交付
任职要求
- 计算机、人工智能、软件工程、电子信息等相关专业背景
- 具备VLM/LLM的千卡级训练实操经验，熟练掌握SFT、DPO/PPO/RLHF等训练与对齐方法
- 有视频Caption、Recaption、视频质量评价模型（Reward Model）或Prompt增强模型实际训练经验者优先
- 具备极强的数据敏感度，有大规模多模态/视频数据清洗、VLM自动化打标、数据质检或外包标注团队管理经验
- 能深入分析数据分布与问题，反向推动模型效果提升
- 具备Benchmark构建与Badcase分析经验，能结合实际应用场景发现问题、定位问题（数据问题 vs 训练问题）并给出解决方案
- 务实高效、结果导向，具备极强的工程动手能力与问题排查能力，能快速响应业务需求并推动模型效果迭代落地
- 加分项：熟悉主流视频VLM、视频生成模型及Reward Model的实际应用，有生成式AI项目中的数据/模型落地经验
加分项
- 熟悉主流视频 VLM、视频生成模型及 Reward Model 的实际应用，有生成式 AI 项目中的数据/模型落地经验