招聘城市：上海
岗位介绍：
职位描述
工作职责:
【这个岗位在做什么】
我们在给视频生成基模建立评测能力：定义“什么是好视频内容”的标准，定义模型审美和及格线，你在创作过程里攒下的那些经验和直觉，在这里变成能被算法接住的输入和需求。
如果你现在做的是内容创意，这个岗位的区别是：你不只是模型的使用者，你也是标准的制定者，参与下一代模型能力的迭代。
【你会做什么】
1.Benchmark 出题与人工评测
●按能力维度构造题目，例如如何考察角色一致性、多镜头连贯、口型对齐、运镜、文字渲染、物理合理性、音画关系等等；定义评分维度、评分细则、并进行评价，输出结构化的报告。
2.把创作者需求翻译成模型…
招聘城市：上海
岗位介绍：
职位描述
工作职责:
1. 构建高性能音视频理解 Pipeline，负责各类理解模型的推理、训练和持续优化。
2. 持续优化 Caption、Tag、PE、QA、Quality Assessment 等理解能力，提高数据生产质量。
3. 优化 CPU/GPU 推理效率，包括模型部署、Batching、Quantization、TensorRT、ONNX 等。
4. 持续优化各类专家模型，包括但不限于：
- Motion Detection
- Shot/Scene Cut Detection
- Artifact Detection
- Audio-Visual Sync
- OCR
- ASR
- Speaker Detection
- Quality Assessment
5. 与生成模型团队共同设计自动化数据生产 Pipeline，提升整体数据质量和处理效率。
工作要求:
任职要求
1. 熟悉 Transformer、Vision Transformer、多模态模型基础。
2. 熟悉 Qwen VL、Gemma、Gemini、SeedVL 等理解模型。
3. 熟悉 TensorRT、ONNX Runtime、CUDA Optimization。
4. 熟悉 FFmpeg、OpenCV、CUDA Video Codec。
5. 有千万级以上视频 Pipeline 经验。
我们希望你：
1. 不…
招聘城市：上海
…工程化能力，保障数据供给的时效性与稳定性。
4. 设计并持续优化数据质量标准与监控体系，关注多模态、AIGC等前沿方向，结合业务场景探索音视频数据采集与生产新模式。
工作要求:
任职要求：
1. 本科及以上学历，计算机、大数据、人工智能等相关专业者优先。
2. 具备扎实的Python/Go编程功底，精通Scrapy、Playwright、Selenium等主流框架。
3. 深入理解HTTP/HTTPS、WebSocket等网络协议，熟悉FFmpeg等音视频处理工具。
4. 具备良好的数据合规意识，了解相关的法律边界，能够在保证数据安全的前提下高效完成采集任务。
加分项：
1. 有视频生成、多模态大模型数据工程或AI数据中台开发经验者优先。
2. 熟悉大模型数据清洗标准，了解如何使用Prompt工程…
招聘城市：上海
…生成算法效果落地与规模化最优迭代。
4. 自主设计系统性算法对照实验，深度复盘实验失败案例、定位算法缺陷与瓶颈，针对性优化模型生成精度、画面连贯性、音画一致性等核心指标，持续迭代升级生成算法能力。
工作要求:
任职要求
1. 本科及以上学历，计算机、人工智能、深度学习、多媒体技术等相关专业，具备扎实的深度学习、多模态生成技术功底。
2. 熟练掌握PyTorch框架及分布式训练技术，具备Diffusion model、MOE、VAE、SFT、RLHF、模型蒸馏中至少两项核心技术的落地实践经验。
3. 具备音视频生成相关算法经验，精通多条件参考生成、图像/视频/音频生成与编辑、视频超分、插帧补帧、人物形象一致性、多镜头融合、音画同步等核心技术模块。
4. 具备扎实的算法…
招聘城市：上海
…与算法、数据、平台紧密配合，打造一套高效的训练生态，推动训练成本优化。
工作要求:
工作要求
1. 精通C++、Rust、Python等任意一门语言，C++更佳，具备良好的系统设计与工程实现能力。
2. 熟悉Megatron、DeepSpeed、PyTorch、FSDP等一种或者多种训练框架的底层原理。
3. 有真实GPU训练任务调优经验，解决过训练中出现过的慢节点、机器故障、网络拥塞等问题。
4. 在大规模训练任务中，有过算子调优、精度验证、CUDA优化、训练策略优化（ZeRO/TP/PP/DP/EP）等经验。
5. 有RDMA网络、高性能存储、NCCL通讯等方面的经验，熟悉Linux系统编程。
加分项
1. 社区开源训推框架贡献者，包括但不限于Megatron、DeepSpeed、SGLang、vLLM等；
2. 有大规模音视频生成与理解…
招聘城市：上海
…性能瓶颈（包括计算、通信、存储等），实施针对性优化，提升训练吞吐、稳定性与可扩展性。
3. 持续跟踪并集成业界前沿的训练优化技术（如 MoE、异步RL、LoRA RL、Agentic RL 等）。
工作要求:
1. 本科及以上学历，计算机相关专业，2年以上工作经验。
2. 熟悉 Python/C++ 中至少一种编程语言，具备扎实的工程基础。
3. 深入理解自然语言处理、计算机视觉或多模态算法，熟悉主流的 DiT（Diffusion Transformer） 与 VLM（Vision-Language Model） 模型架构，具备分布式训练（如 FSDP、DeepSpeed、Megatron 等）实战经验。
4. 熟悉常见强化学习训练算法（如 GRPO、DAPO 等）及训练框架（如 verl），熟悉异步强化学习范式。
5. 有相关领域开源项目贡献经验者优先。
6. 具备大规模训练实操经验者优先。
投递简历
招聘城市：上海
…跨模态对齐、时序建模和语言建模有深入理解。
4. 具有以下至少一个方向的研发经验：
- Omni Model、VLM 或多模态理解基础模型；
- VLM / LLM 预训练或后训练；
- 视频理解、视频 Caption 或视频推理；
- Reward Model、偏好对齐或强化学习；
- 视频生成或图像生成基础模型；
- 多模态 Agent、工具调用或任务规划。
5. 熟悉基础模型的数据构建、分布式训练、推理优化和模型评估流程。
6. 具备良好的工程能力、自驱力和协作能力，能够独立推进算法研发与实验迭代。
加分项
- 参与过大规模 VLM / LLM 的预训练或后训练。
- 具有多模态 SFT、RLHF、DPO、GRPO、RLAIF 或 Reward Model 经验。
- 具有视频生成、Diffusion 或 Flow Matching 相关经验。
- 具有长视频理解、音视频联合建模或多模态推理经验。
- 具有…
…音视频生成基础模型团队，正在致力于打造下一代多模态大模型，深耕音视频生成与理解、基建与平台、多模态Agent、评测与内容、Agentic Data全链路，攻坚多模态内容生成领域的核心命题，驱动数据与模型相互迭代的增长飞轮。团队向全球热爱多模态AI的探索者发出邀约，一同探寻视听世界的数字奥秘，重新定义高价值音视频内容的生产范式，用技术重塑内容创作，与亿万创作者共生。
招聘摘要: bilibili音视频基础模型团队现面向全球进行社招、校招和实习招聘。团队致力于打造下一代多模态大模型，深耕音视频生成与理解、基建与平台、多模态Agent、评测与内容、Agentic Data全链路。热招岗位包括音视频生成算法工程师、音视频…
