慧实习
← 返回首页

音视频理解算法实习生-bilibili

音视频理解算法实习生 · 上海 · 实习

信息来源:哔哩哔哩官方招聘查看原始链接 ↗官方认证薪资面议
立即投递 ↗

AI 摘要智能生成

搭建“剧本→分镜→调用生成模型→VLM 自检→重

职位描述

需求子方向:Agentic长视频生成、code video model、视频理解PE数据、视频理解RL训练 · 工作职责 1. 搭建“剧本→分镜→调用生成模型→VLM 自检→重试/编辑→剪辑合成”的长视频 agent 2. 负责 planner、tool use、记忆与跨镜头一致性管理 3. 建立成片质量评测,把失败模式回流为数据和 RL 信号 4. 协同理解和生成模型优化整体可用率 · 工作职责 1. 训练或调用 coding agent 生成渲染代码:白模场景、运镜、动画、动效 2. 批量渲染,产出带精确标注(相机、物体、动作)的合成训练视频 3. 构建 code→video 数据,设计“渲染结果与指令对齐”的奖励做 RL 4. 评估合成数据对生成模型运镜、物理、文字等能力的提升 · 工作职责 1. 收集与分析真实用户 prompt 分布(中英、短句、多参考输入) 2. 构造(短 prompt,改写)训练对 3. 用生成结果反向评估改写质量,产出偏好与 RL 数据 4. 维护 PE 评测集 1. 在 verl 等框架上对视频理解模型做 RL 2. 设计可验证奖励与 rubric 奖励 3. 优化长视频 rollout 效率 4. 分析 reward hacking 并迭代奖励 工作要求: · 任职要求 熟悉 LLM/VLM agent、tool calling、workflow 编排;工程能力强,能把 demo 做成稳定系统 · 加分项 coding agent、RL environment、视频编辑工具开发经验 · 任职要求 熟悉 LLM 代码生成与 agent;会用 Blender/Python 渲染或图形学工具;PyTorch · 加分项 程序化内容生成、3D/图形学背景;coding agent 相关项目 · 任职要求 熟悉 LLM SFT/偏好数据构建;理解视频生成模型对 prompt 的敏感性;Python · 加分项 做过 prompt rewriting、偏好学习或 RLHF 项目 · 任职要求 熟悉 GRPO/PPO/DAPO 等至少两种 RL 算法和一种训练框架;有 VLM 后训练经验 · 加分项 多模态 RL 论文或开源贡献

任职要求

  • Python
  • 算法

同类岗位推荐