多模态理解算法工程师-【可灵AI】

1、承担视频Caption和参考生成的Instruction职责，特别是在多分镜、高动态、长视频等场景提供精准、全面的描述，最大化弥合文本模态和视频模态之间的差异； 2、承担Agentic PE的职责，对用户指令进行精准、有效、丰富的改写，从15秒片段效果和分钟级成片两个角度实现最佳的PE，控制视频生成模型产出最符合用户需求的视频内容； 3、承担Reward model的职责，能够客观、稳定地评价模型画面、运动、合理性等方面的表现，辅助视频模型训练监控、模型版本选择； 4、承担理解基模后训练的职责，充分利用可灵数据训练最适合团队的多模态理解基座模型，支撑可灵全链路的数据算法、理解算法任务。 【任职要求】 1、有音视频理解、多模态Caption、理解生成一体化、理解/生成Benchmark等方向的经验，有大厂实习、顶会论文优先； 2、有自主开发能力且能用好Agent进行日常工作辅助开发，有…… 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 11029 个北京岗位（全城各职能合计），其中 2386 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 5.5K ~ 16K（25~75 分位），中位约 9K，最低 2K、最高 300K。