bilibili-音视频理解算法工程师

工作职责: 1. Omni VLM 基础模型研发 - 负责面向视频理解的 Omni VLM / 多模态理解基础模型研发。 - 参与模型架构、数据体系、训练方法和评测体系建设。 - 开展大规模图像、视频、音频和文本数据上的 VLM 预训练。 - 开展多模态 SFT、偏好对齐、强化学习、复杂推理等后训练工作。 - 提升模型在长视频理解、时序推理、细粒度感知和多模态交互等方面的能力。 2. Captioner - 建设高质量视频 Caption 和结构化语义理解能力。 - 提升模型对人物、场景、动作、事件、镜头、风格、音频和叙事等信息的理解。 - 为视频生成基模提供高质量训练数据和语义条件。 3. Prompt Enhance（PE） - 研发面向视频生成的 Prompt Enhance 模型与策略。 - 将用户简短或模糊的意图转化为准确、丰富且适合视频生成的提示词。 - 提升生成结果的语义一致…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 9394 个上海岗位（全城各职能合计），其中 1138 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7.5K ~ 20K（25~75 分位），中位约 12K，最低 0.8K、最高 100K。