岗位职责： 1、设计并实现适配图片、短视频、长视频的统一可扩展推理基座，优化帧采样策略、时序特征聚合、音视频特征对齐等关键工程模块； 2、解决大批量视频高效解析的工程性能问题，支撑线上实时与离线批处理场景； 3、针对复杂画面特效、多样转场切换、动态时序行为、跨帧上下文关联等视频特有难点，设计并迭代先进算法，改善单帧理解失效、干扰信号导致的识别偏差； 4、提升模型在对抗样本、复杂混合场景下的鲁棒性与泛化能力，重点突破特效解析、转场识别与时序行为理解； 5、构建面向复杂视频场景的细粒度内容标签体系，融合图像、音频、字幕、时序动作、转场等多维度信息； 6、搭建内容处理流水线，产出高质量解析信号，用于风险模型迭代、内容分类、数据筛选及分发策略优化； 7、参与多模态数据集建设、标注链路设计与质量把控，推动Reward模型对齐与评测体系搭建； 8、完成算法方案的设计、实验验证及效果分析，推动研究成果快速落地到实际业务链路。 任职要求： 1、计算机科学、人工智能、电子信息等相关专业博士、硕士，或能力突出的高年级本科生； 2、扎实的代码工程能力（Python/C++/CUDA优先），熟悉主流深度学习框架（PyTorch/TensorFlow）； 3、深度学习或多模态方向理论基础扎实，熟悉常见网络结构、训练范式及评测方法。 加分项： 1、有ICML/NeurIPS/ICLR、CVPR/ICCV/ECCV等顶会论文发表经历； 2、有视频理解（如Video-LLM）、时序动作定位、多模态检索/生成等方向的研究或项目经验，熟悉大规模多模态模型训练与微调； 3、接触过多模态推理相关工程开发（如ONNX/TensorRT部署、分布式推理加速），对AIGC多模态内容治理业务有实际理解； 4、有多模态数据集建设、标注流水线设计、Reward模型对齐或RLHF实践经验。