魔方工作室-视频生成基础模型开发工程师

职位描述

1.基模预训练：主导/参与视频扩散或自回归视频基模（DiT / 时空 Transformer）的大规模预训练，包括架构设计、训练目标、scaling 策略与稳定性调优；

2.可控/条件生成：实现首末帧、轨迹、深度、mask、参考图等多种控制信号的条件注入，保障身份一致性与场景反应合理性；

3.实时化改造：将双向/全序列模型改造为因果自回归、流式逐 chunk 生成；落地 Self-Forcing / Causal Forcing / DMD 等少步数蒸馏，实现实时帧率；

4.推理优化协同：与推理工程团队配合做 FP4/INT8 量化、TensorRT、流式批处理（stream-batch），在延迟 SLA 内最大化单卡吞吐；

5.评测体系：建立画质、时序一致性、身份保持、控制响应、延迟等量化评测，驱动迭代；

6.训练基础设施：在多机多卡（数百~上千 GPU）上做分布式训练（FSDP / DeepSpeed / Megatron风格并行），处理 OOM、通信瓶颈、混合精度稳定性等问题。