米哈游实习｜视频生成模型后训练·SFT/RL

官网列出上海及美国多城市，具体办公室需与招聘方确认；实习岗位，完整JD看配图或下文～

岗位：视频生成算法研究实习生

工作职责 作为视频生成算法研究实习生，你将与研究及工程团队紧密合作，探索大规模视频生成模型的前沿技术，重点研究视频生成模型的后训练(Post-training)方法，以及视频生成的可控性、生成质量和时序一致性你将参与前沿生成式AI技术的研究与实验，探索下一代AI内容创作及交互式虚拟世界的技术可能性。

岗位职责 研究、开发和实现视频生成模型的后训练方法，包括监督微调(SFT)、偏好优化(Preference Optimization) 以及基于强化学习(RL)的优化方法。 探索可控视频生成(Controllable Video Generation)技术，提升模型在运动控制、相机运镜、轨迹控制及动作条件生成等方面的能力。 设计并开展模型训练与评估实验，持续提升视频生成质量、时序一致性、运动真实性以及对用户指令的遵循能力。 与研究及工程团队合作，参与模型训练流程、评估体系及实验框架的开发与优化。 跟踪视频生成与生成式AI领域的最新研究进展，探索前沿技术的实际应用，并参与相关学术研究与论文发表。

任职要求 计算机科学、人工智能、计算机视觉、机器学习或相关专业的在读硕士或博士研究生。 具备扎实的视频生成研究背景，以及视频生成模型训练或微调的实际经验。 熟悉主流生成式模型的基本原理与技术，包括扩散模型(Diffusion Models)、流匹配(Flow Matching)、Diffusion Transformer(DiT)及自回归模型(Autoregressive Models)等。 熟练掌握Python，熟悉PyTorch 等主流深度学习框架，具备良好的算法实现与实验能力。 具备独立开展研究、复现论文、设计实验、分析结果和解决问题的能力，并具有良好的团队协作与沟通能力。

加分项 在CVPR、ICCV、ECCV、ICML、ICLR、NeurIPS等人工智能及计算机视觉顶级会议发表过论文;尤其欢迎以第一作者身份发表视频生成相关论文的候选人。 具有可控视频生成(Controllable Video Generation)相关研究经验者优先，包括但不限于相机控制、运动控制、轨迹引导生成、动作条件生成及交互式视频生成。 具有大规模视频生成模型训练、分布式训练或训练与推理性能优化经验。 参与过具有影响力的开源视频生成项目，或具备优秀的研究代码实现与开源贡献。

面向对象 2028届及之后毕业的在校生

校招/实习内推码：606VG 官方JD与投递入口：https://jobs.mihoyo.com/#/campus/position/9772 两张码图分别对应社招和校招/实习，本岗位请使用校招/实习码606VG。 有任何问题欢迎留言咨询哈～