视频生成算法工程师 (强化学习)

岗位描述

负责视频生成模型的后训练算法，基于 reward model、人工偏好和自动评测信号，提升模型在文本对齐、审美、动态、稳定性和用户满意度上的综合表现： 1. 设计视频生成后训练流程，包括 SFT、DPO、diffusion RL 等。 2. 基于多维 RM 构建训练 reward，优化文本-视频对齐、运动质量、美感、主体一致性和崩坏率。 3. 探索 reward hacking 防御、多 reward bala… 1. 熟悉 DPO、GRPO、NFT等经典 LLM / diffusion 后训练算法。 2. 有 LLM / diffusion 后训练、多模态 RL 经验优先。 3. 对 re…