主分类：计算机视觉与图像感知算法研发
辅助：大模型与生成式算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "多模态交互算法实习生-PICO",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "2027届硕士及以上学位在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n团队介绍：作为一家拥有自主创新和研发创造能力的科技品牌，PICO致力于成为领先的世界级XR平台，成就开发者与创作者，共同为全球消费者创造更美好的生活体验。我们开创性地将虚拟现实扩展到了多个领域，为运动、视频、娱乐等消费级场景带来了全新体验；并广泛应用在教育、医疗和企业培训等商用场景，给全球企业级用户提供了多元化的VR解决方案。\n\n1、研发基于多模态（视觉、语音、传感器等）的多模态交互与理解算法，提升XR设备的场景与意图感知能力；\n2、探索大规模合成数据生成技术，解决XR真实场景中长尾问题的数据饥荒与标注成本瓶颈；\n3、探索端到端多模态大模型架构，用LLM解决XR真实问题；\n4、完成从问题定义、模型训练到端侧推理部署的全流程闭环，追求效果与性能（准确率/延迟/Memory）的最优解；\n5、总结高价值算法创新，主导撰写专利申请与文档沉淀。",
"requirements_text": "1、2027届硕士及以上学位在读，计算机视觉、图形学、计算摄影、机器学习等相关专业；\n2、具备优秀的编程能力，熟练掌握Python/C++等计算机语言，熟悉常见深度学习框架；\n3、扎实的CV/图形学基础：多视角几何、相机模型与标定、重建与渲染、时序一致性、优化与数值计算。\n\n加分项\n1、具备以下任一方向经验：视频生成（文/图生视频、长视频/高清）、场景生成（全景、相机可控、世界模型）、新视角合成（3D/4D）；\n2、具备大模型相关研究或实践经验，精通Transformer架构，且拥有端到端多模态大模型相关经验，尤其在VLA（视觉语言动作）领域有相关积累者优先；\n3、在CVPR/ICCV/ECCV/NeurIPS/SIGGRAPH等发表论文或有高质量开源项目贡献。",
"skills": [AI生成
"Python",
"C++",
"机器学习",
"深度学习",
"计算机视觉",
"摄影",
"渲染",
"大语言模型"
],
"preferred_qualifications": "加分项；2、具备大模型相关研究或实践经验，精通Transformer架构，且拥有端到端多模态大模型相关经验，尤其在VLA（视觉语言动作）领域有相关积累者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7629685037575096629/detail"
}
]
},
"posting": {
"posting_id": "7629685037575096629",
"post_date": "2026-04-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7629685037575096629/detail"
},
"fulltext": "多模态交互算法实习生-PICO\n职位描述\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n团队介绍：作为一家拥有自主创新和研发创造能力的科技品牌，PICO致力于成为领先的世界级XR平台，成就开发者与创作者，共同为全球消费者创造更美好的生活体验。我们开创性地将虚拟现实扩展到了多个领域，为运动、视频、娱乐等消费级场景带来了全新体验；并广泛应用在教育、医疗和企业培训等商用场景，给全球企业级用户提供了多元化的VR解决方案。\n\n1、研发基于多模态（视觉、语音、传感器等）的多模态交互与理解算法，提升XR设备的场景与意图感知能力；\n2、探索大规模合成数据生成技术，解决XR真实场景中长尾问题的数据饥荒与标注成本瓶颈；\n3、探索端到端多模态大模型架构，用LLM解决XR真实问题；\n4、完成从问题定义、模型训练到端侧推理部署的全流程闭环，追求效果与性能（准确率/延迟/Memory）的最优解；\n5、总结高价值算法创新，主导撰写专利申请与文档沉淀。\n\n职位要求\n1、2027届硕士及以上学位在读，计算机视觉、图形学、计算摄影、机器学习等相关专业；\n2、具备优秀的编程能力，熟练掌握Python/C++等计算机语言，熟悉常见深度学习框架；\n3、扎实的CV/图形学基础：多视角几何、相机模型与标定、重建与渲染、时序一致性、优化与数值计算。\n\n加分项\n1、具备以下任一方向经验：视频生成（文/图生视频、长视频/高清）、场景生成（全景、相机可控、世界模型）、新视角合成（3D/4D）；\n2、具备大模型相关研究或实践经验，精通Transformer架构，且拥有端到端多模态大模型相关经验，尤其在VLA（视觉语言动作）领域有相关积累者优先；\n3、在CVPR/ICCV/ECCV/NeurIPS/SIGGRAPH等发表论文或有高质量开源项目贡献。\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n团队介绍：作为一家拥有自主创新和研发创造能力的科技品牌，PICO致力于成为领先的世界级XR平台，成就开发者与创作者，共同为全球消费者创造更美好的生活体验。我们开创性地将虚拟现实扩展到了多个领域，为运动、视频、娱乐等消费级场景带来了全新体验；并广泛应用在教育、医疗和企业培训等商用场景，给全球企业级用户提供了多元化的VR解决方案。\n\n1、研发基于多模态（视觉、语音、传感器等）的多模态交互与理解算法，提升XR设备的场景与意图感知能力；\n2、探索大规模合成数据生成技术，解决XR真实场景中长尾问题的数据饥荒与标注成本瓶颈；\n3、探索端到端多模态大模型架构，用LLM解决XR真实问题；\n4、完成从问题定义、模型训练到端侧推理部署的全流程闭环，追求效果与性能（准确率/延迟/Memory）的最优解；\n5、总结高价值算法创新，主导撰写专利申请与文档沉淀。\n1、2027届硕士及以上学位在读，计算机视觉、图形学、计算摄影、机器学习等相关专业；\n2、具备优秀的编程能力，熟练掌握Python/C++等计算机语言，熟悉常见深度学习框架；\n3、扎实的CV/图形学基础：多视角几何、相机模型与标定、重建与渲染、时序一致性、优化与数值计算。\n\n加分项\n1、具备以下任一方向经验：视频生成（文/图生视频、长视频/高清）、场景生成（全景、相机可控、世界模型）、新视角合成（3D/4D）；\n2、具备大模型相关研究或实践经验，精通Transformer架构，且拥有端到端多模态大模型相关经验，尤其在VLA（视觉语言动作）领域有相关积累者优先；\n3、在CVPR/ICCV/ECCV/NeurIPS/SIGGRAPH等发表论文或有高质量开源项目贡献。",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}