工作职责: 围绕生成式模型的前沿研究与落地探索，聚焦于 模型架构、时序建模与表征学习 等核心问题，推动生成模型在时间序列场景下的能力提升
根据研究兴趣与团队方向，实习生可参与以下任一或多个方向的探索： ① Diffusion MoE 方向 -探索 Diffusion MoE 架构在时序生成任务下的表现，包括但不限于视频生成、音频生成、动作生成
-探索 Diffusion MoE 的网络架构、路由策略等，提升模型对异质化分布的建模能力，增强模型对时序、空间及语义信息的融合能力
② 时序扩散生成方向 -探索扩散模型在时序数据上的噪声调度优化，如Rolling Diffusion/Diffusion Forcing，提升时序生成质量 -探索多种形式的时序生成模型的控制机制，在保证生成质量的前提下，实现精准/模糊控制
③ 表征学习方向 -探索 无监督 / 自监督学习 在时序生成模型中的表征构建 -研究通用的 潜在空间建模 方法，提升模型在动作、视频、音频等多模态数据上的特征理解能力 -探索 表征空间与生成任务的结合，推动生成模型在可控性、泛化与迁移性方面的提升