本课题聚焦于多模态理解与生成的高效算法研究，旨在通过创新的模型压缩与加速技术，在保持模型性能的前提下显著降低计算开销与延迟。课题将深入分析现有多模态模型的视觉感知与生成机制，探索视觉Token自适应压缩（如文本引导的动态token剪枝、跨层信息复用等前沿技术）、Agent上下文管理、扩散模型一致性蒸馏与潜在一致性模型（LCM）加速生成（如SANA-Sprint、TLCM等一步/少步生成方法）、跨模态高效注意力等前沿方向。课题研究成果将转化成论文等科研产出，提升小红书前沿技术影响力，同时支持小红书各个多模态业务场景有效推理降本及加速。 1、不限年级，本科及以上在读，计算机/人工智能/软件工程等相关专业优先； 2、熟悉Linux/Unix平台上的C++编程，熟悉网络编程-多线程编程，有良好的编程习惯； 3、熟悉其中一种主流的深度学习训练或推理框架（TensorFlow / PyTorch / Onnx / TensorRT等）的原理和实现者优先； 4、有扎实的专业基础知识，熟悉常用的数据结构和算法，对计算机系统结构-网络-操作系统等专业知识有深刻认知； 5、良好的沟通协作能力，责任心强，积极主动，能和团队一起探索新技术，推进技术进步。
