流式视频Agent工程师
岗位摘要
参与国内领先的实时交互式视频生成模型Vidu S的研发，负责视频生成Agent的设计与落地，使其能够准确理解用户意图，并实时转化为驱动视频生成模型的控制指令；负责面向交互式视频生成场景的VLM训练、评测与迭代优化，持续提升模型的多模态理解、指令遵循和交互决策能力
岗位职责
- 参与国内领先的实时交互式视频生成模型Vidu S的研发，负责视频生成Agent的设计与落地，使其能够准确理解用户意图，并实时转化为驱动视频生成模型的控制指令
- 负责面向交互式视频生成场景的VLM训练、评测与迭代优化，持续提升模型的多模态理解、指令遵循和交互决策能力
- 构建Agent的多轮对话、意图识别、上下文管理及工具调用能力，打通“用户输入→意图解析→指令生成→视频反馈”的端到端链路
- 设计并优化Agent的编排与决策机制，提升其在流式、低延迟场景下的响应速度、引导准确性与运行稳定性
- 与算法、Infra及产品团队紧密协作，推进Agent、VLM与视频生成模型的联合优化、系统集成及产品落地
任职要求
- 计算机、人工智能等相关专业，扎实的工程与系统基础，熟练掌握Python
- 熟悉LLM/Agent的基本原理与开发，有实际构建对话系统或Agent应用的经验
- 对VLM（视觉语言模型）、视频理解有一定了解，具备参与相关模型训练的意愿与基础
- 具备较强的问题定位与工程落地能力
- 加分项：有多模态、视频/图像生成方向经验；有VLM、视频理解相关的训练或研究经验；熟悉主流Agent框架与LLM应用编排；有实时/流式交互系统经验，或顶会论文、显著开源贡献
加分项
- 有多模态、视频/图像生成方向经验；有 VLM、视频理解相关的训练或研究经验；熟悉主流 Agent 框架与 LLM 应用编排；有实时/流式交互系统经验，或顶会论文、显著开源贡献