1、研究多模态模型预训练新范式，突破多模态对齐、跨模态推理、多模态数据挖掘和合成、效果评测等关键技术难题； 2、打造行业领先的算法能力：如视频问答、音视频交互等； 3、探索视觉理解大模型与音视频交互大模型技术的深度融合路径，构建支持图像、视频、语音多模态理解的通用大模型架构和大规模训练； 4、支持音视频交互推理加速框架建设，构建完善的音视频交互大模型数据链路，探索和细化不同的音视频交互模型的评估维度、方法和指标，落地评估系统，支撑基础大模型迭代和上线； 5、关注多模态/NLP/语音等方向的前沿技术，及时将新技术应用到产品中。

1、本科及以上学历，计算机相关专业，2年以上视频算法相关工作经验； 2、熟练掌握计算机视觉领域的基础理论和方法，熟悉PyTorch等主流深度学习框架，能够独立实现前沿模型； 3、有良好的自我学习能力及自驱力，对前沿领域有强探索欲，富有想象力和创造力； 4、良好的学术调研能力，良好的逻辑和数据分析能力，有高质量论文、开源项目、ACM竞赛经历、相关学术会议组织的权威比赛获奖经历或落地项目产出者优先。 加分项： 1. 在多模态/语音/语言大模型领域有科研或项目实践经验，或有大模型分布式训练经验； 2. 有计算机视觉及模式识别领域顶会(CVPR/ICCV/ECCV/ICML/NeurIPS/ICLR）或顶刊(TPAMI/IJCV)