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": "魔方工作室-视频生成基础模型开发工程师",
"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": 5,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.基模预训练：主导/参与视频扩散或自回归视频基模（DiT / 时空 Transformer）的大规模预训练，包括架构设计、训练目标、scaling 策略与稳定性调优；\n2.可控/条件生成：实现首末帧、轨迹、深度、mask、参考图等多种控制信号的条件注入，保障身份一致性与场景反应合理性；\n3.实时化改造：将双向/全序列模型改造为因果自回归、流式逐 chunk 生成；落地 Self-Forcing / Causal Forcing / DMD 等少步数蒸馏，实现实时帧率；\n4.推理优化协同：与推理工程团队配合做 FP4/INT8 量化、TensorRT、流式批处理（stream-batch），在延迟 SLA 内最大化单卡吞吐；\n5.评测体系：建立画质、时序一致性、身份保持、控制响应、延迟等量化评测，驱动迭代；\n6.训练基础设施：在多机多卡（数百~上千 GPU）上做分布式训练（FSDP / DeepSpeed / Megatron风格并行），处理 OOM、通信瓶颈、混合精度稳定性等问题。",
"requirements_text": "1.计算机 / AI / 数学相关硕博，或同等工程能力；5年以上深度学习研发经验；\r\n2.精通 PyTorch，熟悉大规模分布式训练（FSDP / DeepSpeed / Megatron-LM 至少其一），有实际跑通过百卡级训练的经验；\r\n3.深入理解扩散模型（DDPM/DDIM/Flow Matching/Rectified Flow）与/或自回归生成，理解 DiT / U-ViT 等架构；\r\n4.熟悉视频/图像生成至少一个方向，有从数据到模型落地的完整项目经验；\r\n5.扎实的工程能力：能独立排查训练发散、梯度异常、数据瓶颈、显存/吞吐优化等问题；良好的实验设计与复现习惯，能阅读并复现最新论文。",
"skills": [AI生成
"PyTorch",
"深度学习"
],
"preferred_qualifications": "1.有实时 / 流式视频生成经验（Self-Forcing、CausVid、StreamDiffusion、LongLive 等相关工作）；\r\n2.有模型蒸馏 / 少步数采样（DMD、Consistency、Progressive Distillation）落地经验；\r\n3.有可控视频生成（ControlNet 类、轨迹/姿态/深度条件、参考图身份保持）经验；\r\n4.有量化 / 推理加速（FP8/FP4/INT8、TensorRT、CUDA/Triton kernel）经验；\r\n5.有 VAE / tokenizer（时空压缩、latent video）训练经验；\r\n6.在 CVPR / ICCV / NeurIPS / ICLR / SIGGRAPH 等顶会有相关论文，或有高影响力开源项目；\r\n7.有角色动画、游戏或 3D 内容生成相关背景。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2069379300997644288"
}
]
},
"posting": {
"posting_id": "2069379300997644288",
"post_date": "2026-09-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2069379300997644288"
},
"fulltext": "魔方工作室-视频生成基础模型开发工程师\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.基模预训练：主导/参与视频扩散或自回归视频基模（DiT / 时空 Transformer）的大规模预训练，包括架构设计、训练目标、scaling 策略与稳定性调优；\n2.可控/条件生成：实现首末帧、轨迹、深度、mask、参考图等多种控制信号的条件注入，保障身份一致性与场景反应合理性；\n3.实时化改造：将双向/全序列模型改造为因果自回归、流式逐 chunk 生成；落地 Self-Forcing / Causal Forcing / DMD 等少步数蒸馏，实现实时帧率；\n4.推理优化协同：与推理工程团队配合做 FP4/INT8 量化、TensorRT、流式批处理（stream-batch），在延迟 SLA 内最大化单卡吞吐；\n5.评测体系：建立画质、时序一致性、身份保持、控制响应、延迟等量化评测，驱动迭代；\n6.训练基础设施：在多机多卡（数百~上千 GPU）上做分布式训练（FSDP / DeepSpeed / Megatron风格并行），处理 OOM、通信瓶颈、混合精度稳定性等问题。\n1.计算机 / AI / 数学相关硕博，或同等工程能力；5年以上深度学习研发经验；\r\n2.精通 PyTorch，熟悉大规模分布式训练（FSDP / DeepSpeed / Megatron-LM 至少其一），有实际跑通过百卡级训练的经验；\r\n3.深入理解扩散模型（DDPM/DDIM/Flow Matching/Rectified Flow）与/或自回归生成，理解 DiT / U-ViT 等架构；\r\n4.熟悉视频/图像生成至少一个方向，有从数据到模型落地的完整项目经验；\r\n5.扎实的工程能力：能独立排查训练发散、梯度异常、数据瓶颈、显存/吞吐优化等问题；良好的实验设计与复现习惯，能阅读并复现最新论文。\n1.有实时 / 流式视频生成经验（Self-Forcing、CausVid、StreamDiffusion、LongLive 等相关工作）；\r\n2.有模型蒸馏 / 少步数采样（DMD、Consistency、Progressive Distillation）落地经验；\r\n3.有可控视频生成（ControlNet 类、轨迹/姿态/深度条件、参考图身份保持）经验；\r\n4.有量化 / 推理加速（FP8/FP4/INT8、TensorRT、CUDA/Triton kernel）经验；\r\n5.有 VAE / tokenizer（时空压缩、latent video）训练经验；\r\n6.在 CVPR / ICCV / NeurIPS / ICLR / SIGGRAPH 等顶会有相关论文，或有高影响力开源项目；\r\n7.有角色动画、游戏或 3D 内容生成相关背景。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}