岗位描述
岗位描述面向真实业务场景，围绕图像、视频、语音、文档等多模态内容的理解与生成，开展算法研发与能力落地。你将参与多模态理解、跨模态推理、内容生成与 AIGC 应用优化，推动相关能力在搜索推荐、内容创作、交互体验、智能体等场景中的持续迭代，提升模型效果、用户体验和业务价值。 具体职责： 1.围绕图像、视频、语音、文档等多模态内容，开展理解、生成、编辑与交互相关算法研发，提升模型在真实场景中的效果与可用性； 2.探索并优化多模态理解、跨模态对齐、视觉问答、文档理解、视频理解、图文检索、内容生成与编辑等关键能力； 3.结合大模型、AIGC、多模态学习与 Agent 技术，推动多模态能力在业务场景中的落地，包括内容生产、智能审核、交互式生成、创意优化等方向； 4.建设多模态数据与评测体系，覆盖数据采集、清洗、对齐、标注、增强、难例挖掘与效果分析，持续优化模型训练与迭代效率； 5.参与线上实验与效果分析，结合业务目标持续优化模型表现、生成质量、稳定性与成本效率。