VLM视频理解算法工程师(流式视频生成)

【岗位职责】 1、负责 PE Model、Caption Model、Reward Model 三类 VLM 的训练与优化，基于千卡级算力进行大规模模型训练，探索 SFT、RL、Agentic RL 等训练方法，持续提升模型在视频理解、视频描述和视频质量评价等任务上的能力，训练业界 SOTA 的视频理解 VLM 和流式视频理解 VLM； 2、负责 VLM Agent 的设计与训练，探索 VLM 在复杂视频理解任务中的 Agent 化能力，包括任务规划、工具调用、多轮推理、长视频分析等，结合 Agentic RL 等方法提升模型复杂任务的自主推理与问题解决能力； 3、负责三类 VLM 的训练数据构建与优化，针对视频理解、视频描述、视频质量评价等任务，通过规则匹配、自动化方法及外包标注团队进行数据筛选、标注和质检，持续提升训练数据的规模与质量，并探索适用于 Agentic RL 的训练数据与反…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 21043 个北京岗位（全城各职能合计），其中 1782 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7K ~ 20K（25~75 分位），中位约 12K，最低 1K、最高 300K。