职责描述： 1、负责或参与扩散模型的后训练（Post-training）算法研发，包括但不限于对齐、蒸馏、精调等，提升模型在实际场景中的生成表现与推理效率。 2、跟进AIGC与扩散模型领域的最新顶会论文（CVPR, ICCV, NeurIPS, ICLR等），快速复现前沿算法并结合团队核心技术进行转化。 任职要求： 1、计算机、数学等相关专业在读（硕士/博士优先），具备深厚的机器学习与深度学习理论基础。 2、对扩散模型有较好的理解：深入理解DDPM、DDIM、LDM、Flow Matching等扩散模型的核心数学原理、演进路线与训练细节。 3、具备强大的工程实践能力，熟练掌握 PyTorch。 4、每周可实习 4 天以上，能够连续实习 4-6 个月以上。 加分项 1、有后训练（Post-training）经验者优先：熟悉或亲自实践过扩散模型的后训练技术，如SFT（监督微调）、OPD（在线偏好对齐）、DMD（分布匹配蒸馏）或 Consistency Models 等。 2、在CV/NLP/AI顶级会议（如NeurIPS, ICML, ICLR, CVPR, ICCV等）发表过扩散模型相关论文或在相关AI竞赛中取得过优异名次。