主分类：大模型与生成式算法研发
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": "游戏AI-多模态世界模型算法专家-可控视频生成方向",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "TEG",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "腾讯",
"company_industry": "互联网 / 科技 / 人工智能",
"company_size": "10000人以上",
"company_website": "tencent.com",
"company_description": "腾讯是一家互联网和科技公司，业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 5,
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.探索研究多模态理解、生成式、强化学习等前沿技术；\r\n2.负责世界模型相关核心算法的研发与落地，包括但不限于视频生成、视频预测、视频编辑等方向；\r\n3.探索面向游戏世界场景的新一代视频生成技术，构建具备可交互性、可编辑性、物理一致性和时空一致性的世界模型。",
"requirements_text": "1.人工智能、计算机科学、数学或相关专业，硕士及以上学历， 3+相关工作经验；\n2.熟练掌握 PyTorch 等主流深度学习框架，具备扎实的编程能力与工程实现能力；能够高质量复现前沿论文，并推动算法从研究原型到工程实现；\n3.深入理解 Diffusion Models、GANs、VAEs、Flow-based Models 等，具备图像生成或视频生成相关研究或实践经验；\n4.有大规模 GPU 集群上的模型预训练、微调与后训练经验；具备多模态大模型（如 CLIP、LLaVA、Qwen 等）的训练或应用经验；\n5.在 SIGGRAPH、CVPR、ICCV、NeurIPS 等顶级会议或期刊发表过相关领域的一作论文者优先。",
"skills": [AI生成
"PyTorch",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "5.在 SIGGRAPH、CVPR、ICCV、NeurIPS 等顶级会议或期刊发表过相关领域的一作论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2043890150156693504"
}
]
},
"posting": {
"posting_id": "2043890150156693504",
"post_date": "2026-09-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2043890150156693504"
},
"fulltext": "游戏AI-多模态世界模型算法专家-可控视频生成方向\n1.探索研究多模态理解、生成式、强化学习等前沿技术；\r\n2.负责世界模型相关核心算法的研发与落地，包括但不限于视频生成、视频预测、视频编辑等方向；\r\n3.探索面向游戏世界场景的新一代视频生成技术，构建具备可交互性、可编辑性、物理一致性和时空一致性的世界模型。\n1.人工智能、计算机科学、数学或相关专业，硕士及以上学历， 3+相关工作经验；\n2.熟练掌握 PyTorch 等主流深度学习框架，具备扎实的编程能力与工程实现能力；能够高质量复现前沿论文，并推动算法从研究原型到工程实现；\n3.深入理解 Diffusion Models、GANs、VAEs、Flow-based Models 等，具备图像生成或视频生成相关研究或实践经验；\n4.有大规模 GPU 集群上的模型预训练、微调与后训练经验；具备多模态大模型（如 CLIP、LLaVA、Qwen 等）的训练或应用经验；\n5.在 SIGGRAPH、CVPR、ICCV、NeurIPS 等顶级会议或期刊发表过相关领域的一作论文者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}