主分类：大模型与生成式算法研发
辅助：计算机视觉与图像感知算法研发（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": "光子 AI-视频生成内容理解与反馈研究员",
"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": 1,
"degree": "AI 相关博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.研究模型对生成内容的理解能力，解析语义、对象、关系、空间结构；\n2.实现生成视频的状态跟踪与一致性建模；\n3.探索\"生成-理解一体化\"模型架构；\n4.研究\"动作输入→视频输出\"的因果一致性控制与物理约束；\n5.研究混合架构，实现实时交互式生成的低延迟反馈；\n6.与 Agent/RL 团队协作，推动\"生成→理解→控制→反馈\"端到端闭环；\n7.在游戏场景中验证可控交互能力，主导评测体系建立；\n8.持续跟进业界相关工作，形成自有技术路线。",
"requirements_text": "1.AI 相关博士，方向覆盖视频理解/视频预测/强化学习/多模态生成与理解；\n2.深度理解视频生成与理解两类模型的内部机制，熟悉扩散模型原理；\n3.有交互式视频生成或可控视频生成相关研究经历；\n4.能独立设计复杂模型训练 pipeline，强工程能力；\n5.熟练使用 Python/PyTorch，有视频理解、可控生成或强化学习相关方向论文；\n6.有游戏 AI、仿真环境或闭环系统经验者优先；\n7.在顶级会议或期刊发表过相关论文者优先。",
"skills": [AI生成
"Python",
"PyTorch",
"强化学习",
"模型训练"
],
"preferred_qualifications": "6.有游戏 AI、仿真环境或闭环系统经验者优先；7.在顶级会议或期刊发表过相关论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2067065227102564352"
}
]
},
"posting": {
"posting_id": "2067065227102564352",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2067065227102564352"
},
"fulltext": "光子 AI-视频生成内容理解与反馈研究员\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.研究模型对生成内容的理解能力，解析语义、对象、关系、空间结构；\n2.实现生成视频的状态跟踪与一致性建模；\n3.探索\"生成-理解一体化\"模型架构；\n4.研究\"动作输入→视频输出\"的因果一致性控制与物理约束；\n5.研究混合架构，实现实时交互式生成的低延迟反馈；\n6.与 Agent/RL 团队协作，推动\"生成→理解→控制→反馈\"端到端闭环；\n7.在游戏场景中验证可控交互能力，主导评测体系建立；\n8.持续跟进业界相关工作，形成自有技术路线。\n1.AI 相关博士，方向覆盖视频理解/视频预测/强化学习/多模态生成与理解；\n2.深度理解视频生成与理解两类模型的内部机制，熟悉扩散模型原理；\n3.有交互式视频生成或可控视频生成相关研究经历；\n4.能独立设计复杂模型训练 pipeline，强工程能力；\n5.熟练使用 Python/PyTorch，有视频理解、可控生成或强化学习相关方向论文；\n6.有游戏 AI、仿真环境或闭环系统经验者优先；\n7.在顶级会议或期刊发表过相关论文者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}