岗位描述
1. 负责视频生成模型的强化学习训练与推理基础设施建设,打通样本生成(rollout)、奖励计算、策略更新和效果评估链路,支撑模型持续迭代。 2. 优化视频生成模型的推理与 rollout 性能,围绕 DiT、Diffusion / Flow Matching 等模型的计算特点,提升采样吞吐、降低显存占用和生成成本。 3. 建设和优化分布式 RL 训练框架,解决长视频、高分辨率及多样本采样场景下的计算、通信和存储瓶颈,提升 GPU 利用率与集群扩展效率。 4. 优化训练、推理与奖励模型之间的协同机制,包括任务调度、资源分配、权重同步、数据传输及流水线并行,提升端到端训练效率和稳定性 。 5. 与算法团队合作,推动强化学习、偏好优化及模型加速方案落地;建立性能分析、数值正确性验证、监控与故障恢复机制,保障实验可复现和训练可靠运行。