腾讯
校招混元多模态-视频生成基础模型
深圳总部 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 学历和专业要求：来自计算机、人工智能、自动化、数学等相关专业的优秀博士/硕士。
- 技术技能要求：熟悉深度学习，有扎实的深度学习实践基础；熟练掌握图像&视频(&音频)生成模型原理，有相关实践经验和相关顶会论文发表；代码能力强，熟练掌握PyTorch。
- 此课题同时招聘应届实习生和低年级实习生。
岗位描述
【岗位职责】
课题背景：视频生成大模型正逐渐从学术研究走向应用落地。混元近年来先后发布并开源的 Video1.0、1.5 等模型均取得了业界的高度关注。未来视频的音画一致生成和多模态参考生成是应用潜力巨大的方向。
课题挑战：1. 高质量音画一致生成：如何在数据、模型架构、训练策略等多个维度进行优化以实现复杂多人场景下高质量、影视级的音画一致生成。2. 视频生成在提升分辨率和时长后，训练和推理效率成为制约视频能力和质量提升的关键瓶颈，如何在保持质量的前提下提升训推效率（例如优化 attention 设计）是一个重要挑战。3. 音视频的参考生成涉及文本、图、音频、视频等多种模态的条件输入。如何实现多模态条件的有效融合和控制是未来多媒体一体化创作的关键挑战。
具体工作：负责上述课题挑战的预研工作，优秀的解决方案有机会进入未来的主模型版本并成为核心贡献者。同时较强的实习生也可以参与到当前主模型版本的训练中，成为主模型版本的贡献者，并体验工业大模型的生产过程。
【任职要求】
学历和专业要求：来自计算机、人工智能、自动化、数学等相关专业的优秀博士/硕士。
技术技能要求：熟悉深度学习，有扎实的深度学习实践基础；熟练掌握图像&视频(&音频)生成模型原理，有相关实践经验和相关顶会论文发表；代码能力强，熟练掌握PyTorch。
【加分项】
此课题同时招聘应届实习生和低年级实习生。
【技术方向】
多模态、视觉、语音
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 运营 岗位的常见面试问题整理
我提到了电竞方面，另一个面试官就问我对于ig战队（lol）的看法，然后一道情景题：公司和ig方面有合作，怎样运营才能吸引ig粉丝使用我们产品
查看答题思路
1. 电竞营销=粉丝经济，核心是社区运营而非传统广告 2. 跨界合作：战队/选手/IP 联名，借粉丝流量 3. 内容策略：比赛直播/选手日常/粉丝二创/社区活动 4. 案例：用 STAR 讲一个电竞相关的运营策划
另一个面试官看我的专业（偏设计）就问我愿不愿意做产品设计方向，让我发作品集 大概就这些 #咪咕#<a href="/creation/subject/928d551be73f40db82c0ed83286c8783" target="_blank" class="s
查看答题思路
1. 核心概念：一句话说清这个问题的底层逻辑 2. 方法论/框架：用 STAR 原则或专业框架结构化回答 3. 实际案例：结合一个具体场景说明 4. 量化结果：用数据佐证你的观点
你认为内容运营需要具备哪些能力
查看答题思路
1. 内容运营=创作有价值的内容→分发到正确渠道→吸引目标用户→促成转化 2. 核心能力：选题能力（知道用户想看什么）、写作能力、数据分析能力（用数据迭代内容策略） 3. 生命周期：选题→创作→审核→发布→分发→数据回收→优化→二次传播 4. 优质内容标准：原创/有用/有趣/有共鸣/有行动引导
谈谈你理解的内容生命周期
查看答题思路
1. 真诚：为什么对这个方向感兴趣（具体经历/瞬间） 2. 匹配：你的能力和这个岗位的契合点 3. 成长：你希望从这个岗位学到什么 4. 贡献：你能为团队带来什么
自我介绍
查看答题思路
1. 我是谁（姓名+学校+专业，15秒） 2. 我做过什么（最相关的 1-2 个经历，30秒） 3. 为什么适合这个岗位（能力匹配，15秒） 4. 总时长控制在 1 分钟以内 5. 避免：念简历、说「我学习能力强」这种空话
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。