视频生成算法工程师 (强化学习)

【岗位职责】 负责视频生成模型的后训练算法，基于 reward model、人工偏好和自动评测信号，提升模型在文本对齐、审美、动态、稳定性和用户满意度上的综合表现： 1. 设计视频生成后训练流程，包括 SFT、DPO、diffusion RL 等。 2. 基于多维 RM 构建训练 reward，优化文本-视频对齐、运动质量、美感、主体一致性和崩坏率。 3. 探索 reward hacking 防御、多 reward balance、online/offline preference data mixing。 4. 支持 recaption model RL，探索基于 benchmark 或 RM 的 prompt rewriting 优化。 5. 与 RM / 评测团队协作，构建可用于训练的高质量 preference 数据。 6. 分析后训练带来的能力提升和副作用，推动稳定迭代。 【…… 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 21045 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。