视频生成后训练算法实习生-bilibili
视频生成后训练算法实习生 · 上海 · 实习
AI 摘要智能生成
DPO、ReFL、GRPO 类 RL 在 DiT 上的实现与对比
职位描述
1. SFT 数据配比与课程实验 2. DPO、ReFL、GRPO 类 RL 在 DiT 上的实现与对比 3. 设计美学、运动、一致性、指令遵循等 reward 组合 4. 分析 reward hacking 并产出结论 工作要求: 熟悉扩散/flow matching 与至少一种 RL 方法;PyTorch;能独立设计消融 DiT RL、reward model 相关论文或项目