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": "光子 AI-视频生成基础模型研究员",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "IEG",
"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": 3,
"degree": "AI 相关博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.设计与迭代下一代视频生成基础架构；\n2.探索长视频生成核心技术：长上下文注意力、KV Cache 压缩、记忆机制等；\n3.研究高压缩比视频 Tokenizer，推进多分辨率、多帧率统一建模能力；\n4.主导千亿/万亿 token 级别视频预训练，定义 data mixture 与 curriculum learning 策略；\n5.探索 Scaling Law，输出科学的 scale-up 路径，持续提升模型关键能力；\n6.跟踪业界 SOTA，主导对比实验，输出技术路线决策与论文发表。",
"requirements_text": "1.AI 相关博士，有顶会一作论文；\n2.精通扩散模型与自回归生成的原理与工程实现；\n3.有视频/图像生成模型从零训练经验，精通 PyTorch 及大规模分布式训练；\n4.深度理解 Video VAE/Tokenizer 的设计取舍，3年以上相关研究经验；\n5.有视频生成或扩散模型相关方向论文；\n6.有业界核心产品研发经验或最新技术实战经验者优先；\n7.主导过端到端视频基础模型项目者优先。",
"skills": [AI生成
"PyTorch"
],
"preferred_qualifications": "6.有业界核心产品研发经验或最新技术实战经验者优先；7.主导过端到端视频基础模型项目者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2067065222975369216"
}
]
},
"posting": {
"posting_id": "2067065222975369216",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2067065222975369216"
},
"fulltext": "光子 AI-视频生成基础模型研究员\n渴望为世界带来新意的人，早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯始终在业界前沿不断探索，积极布局，并为优秀的你提供无限广阔的舞台。我们坚信科技的不断革新，最终能带来美好的、撼动人心的改变。\n1.设计与迭代下一代视频生成基础架构；\n2.探索长视频生成核心技术：长上下文注意力、KV Cache 压缩、记忆机制等；\n3.研究高压缩比视频 Tokenizer，推进多分辨率、多帧率统一建模能力；\n4.主导千亿/万亿 token 级别视频预训练，定义 data mixture 与 curriculum learning 策略；\n5.探索 Scaling Law，输出科学的 scale-up 路径，持续提升模型关键能力；\n6.跟踪业界 SOTA，主导对比实验，输出技术路线决策与论文发表。\n1.AI 相关博士，有顶会一作论文；\n2.精通扩散模型与自回归生成的原理与工程实现；\n3.有视频/图像生成模型从零训练经验，精通 PyTorch 及大规模分布式训练；\n4.深度理解 Video VAE/Tokenizer 的设计取舍，3年以上相关研究经验；\n5.有视频生成或扩散模型相关方向论文；\n6.有业界核心产品研发经验或最新技术实战经验者优先；\n7.主导过端到端视频基础模型项目者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}