课题背景：课题背景： 视频是信息量最丰富、也是最难驾驭的内容形态，融合语言、视觉、声音与运动。下一代视频生成基座不应只生成短片，而应成为统一的多模态生成底座：读懂复杂意图、精确控制镜头与画面、自由编辑内容、稳定生成高清长视频，并逐步支持音视频联合与实时交互式生成。视频号有亿级真实创作与交互场景，也有从生成、分发到用户反馈的完整链路：模型能在真实使用中被检验，靠持续的用户反馈不断校准、变得更好——这样的实验环境在业界并不多见。 本课题面向长期内容创作生态，从 0 到 1 定义视频号视频生成基座的技术路线：让视频生成达到电影级的画质与表现力，连人物的眼神与微表情都能细腻呈现，既让普通用户一句话就能创作出打动人的视频，也让专业创作者拥有可精细控制的生产工具。 课题挑战： 定义视频生成基座的技术范式：如何用统一的架构承载文本、图像、视频与音频等多模态条件，在长视频、音视频联合与交互式生成中保持主体、风格与时序的长期一致，并同时兼顾可控性、生成质量与推理成本——这是全行业仍在争夺的制高点。随着分辨率和时长提升，数据构造、训练稳定性、评测可信度与奖励信号会被同时放大，这要求从模型架构、数据、表征、优化目标到奖励机制上重新设计训练闭环，并在生成质量与效率的权衡上做出真正的路线判断。同时，视频号每天产生海量真实反馈，如何提炼成可靠的偏好与奖励，让模型对齐"什么是好视频"，是把数据规模真正变成模型能力的关键一步。 而更难、也更根本的一步在于叙事：视频真正的感染力不只来自画面，更来自故事——模型要能读懂剧本、脚本与分镜，理解镜头调度、情绪递进与节奏，把一段文字变成有张力、能打动人的视频，而不只是画面的堆叠。 具体工作： 研究视频生成基座的模型架构与训练范式，从 0 到 1 主导长视频、音视频联合和交互式生成的原型及大规模实验，探索模型在可控性、一致性与生成效率上持续突破的新范式。

课题要求：学历和专业要求： 计算机、人工智能、数学、自动化、电子信息等相关专业博士或优秀硕士应届生，或具有同等研究能力的优秀人才。 技术技能要求： 在大模型架构、预训练与后训练、强化学习或视频生成方向有突出研究成果；具备以下任一方向前沿研究或实践经验者优先：VAE / 视频 Tokenizer、Diffusion、多模态表征、高效 Attention、MoE 等模型结构设计，以及大规模训练与 Scaling Law 实践。 软性素质要求： 具备卓越的原创洞察、问题定义和研究判断能力，敢于挑战高风险长期问题，有潜力带动方向、凝聚团队并推动新研究方向形成。