学历要求
硕士研究生及以上学历，博士优先

专业要求
计算机、电子信息、数学等相关专业

岗位职责
1. 探索Diffusion模型的One-step / Few-step无损蒸馏算法，跟进Consistency Modeling、Shortcut、Score Distillation等前沿研究；
2. 研究新一代注意力机制，包括Sparse/Quant-Attention、Linear-Attention、Mamba等，突破Attention平方复杂度限制，提升长序列视频/图像场景下的推理能力；
3. 在模型压缩基础上引入DPO、GRPO、PPO等强化学习方法优化生成效果，探索压缩与对齐的协同机制，推动生成大模型在效果与效率之间达到帕累托最优。

应聘资格要求
1.硕士研究生及以上学历应届毕业生，数学、计算机、自动化、电子等专业优先；
2. 熟练掌握diffusion原理, 具备公式推理和证明的能力, 有过相关的研究经历和实践经验者优化；
3.熟悉transformer结构及其变种, 熟悉attention的设计和多种变种实现, 掌握triton；
4.数理要求: 熟练掌握 线性线数, 概率论, 信息论, 凸优化等基础知识; 了解矩阵论, 随机过程等；
5.有较强的自驱力和学习力，对生成式模型有强烈的兴趣。

加分项：
1.有 NIPS/ICLR/ICML/CVPR 等顶会发表经历者优先；
2.有强化学习的实践经历优化。