通义实验室-多模态生成算法-通义万相

【部门介绍】 随着大模型技术的迅猛进步，对多模态数据（如图像、视频、音频、3D内容等）的理解与生成能力持续提升。当前，构建支持多模态输入与输出的通用世界模型已成为前沿研究重点，也被视为通往通用人工智能（AGI）的关键路径之一。 通义万相将持续深耕原生多模态预训练、理解与生成融合架构、统一Tokenizer设计、人类反馈机制及强化学习等核心技术方向，致力于在多模态世界模型领域保持领先，打造具有全球影响力的技术成果。 【工作内容】 1、开展原生多模态模型的研发工作，整合文本、图像、语音等多模态输入能力，实现复杂指令下的内容生成，覆盖文生图、图生图、文档合成、可控图像编辑等核心任务。 2、优化图像生成模型性能，深入研究扩散模型、自回归架构及其训练策略，推动关键技术迭代与突破。 3、推进人类反馈驱动的强化学习方法，设计精细化的RL算法方案，结合用户实际反馈持续提升图像生成质量。 【职位要求】 1. 拥有计算机科学、人工智能、机器学习等相关专业硕士或博士学位，具备扎实的计算机视觉理论基础。 2. 熟悉机器学习与深度学习基本原理，掌握主流视觉生成算法，熟练使用Pytorch、Tensorflow等至少一种深度学习框架。 3. 具备突出的科研素养，有大规模视觉生成算法研究经验者优先，发表过高影响力论文或参与知名开源项目者优先，成果见于CVPR、ICCV、NeurIPS、ICLR、TPAMI等顶级会议或期刊者尤佳。 4. 对生成式模型有强烈技术兴趣，具备视觉大模型开发背景，有对话系统、多模态内容生成等实际项目落地经验者优先。 5. 具备敏锐的技术判断力和出色的业务分析能力，能应对复杂场景下的算法挑战，善于与工程、产品团队协作，加速科研成果转化并产生实际价值。 6. 重视技术影响力，认同开放共享理念，对基础模型的前沿问题保持长期关注与探索热情，志在推动具有广泛影响的技术创新。