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": "【大模型北斗实习】视频生成大模型技术研究",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "北京市 / 上海市",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "研究方向包括但不限于：\n1).高效率、低精度损失、高压缩比的视频VAE和tokenizer。\n2)围绕DiT结构的高效训练和推理探索，包括稀疏架构、MoE、AR生成等。\n3) 视频生成下游功能拓展，包括多概念注入生成、交互式生成、长视频生成等。",
"requirements_text": "1）熟悉扩散模型等相关研究进展。\n2）熟悉PyTorch，有充分的动手实践经验。\n加分项：\n1）有图像/视频生成相关研究和实习经历，有影响力的开源项目中做出过核心贡献。\n2）发表过高水平论文（如ICLR、CVPR、ICCV等），有相关竞赛经历并取得名次。",
"skills": [AI生成
"PyTorch"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3153713631&jobShareType=1"
}
]
},
"posting": {
"posting_id": "3153713631",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3153713631&jobShareType=1"
},
"fulltext": "【大模型北斗实习】视频生成大模型技术研究\n【大模型北斗实习】视频生成大模型技术研究\n\n基础信息\n工作地点：北京市 / 上海市\n职位类别：技术类\n职位族群：算法,硬件,软件\n更新时间：2025-05-23\n\n岗位职责\n研究方向包括但不限于：\n1).高效率、低精度损失、高压缩比的视频VAE和tokenizer。\n2)围绕DiT结构的高效训练和推理探索，包括稀疏架构、MoE、AR生成等。\n3) 视频生成下游功能拓展，包括多概念注入生成、交互式生成、长视频生成等。\n\n岗位基本要求\n1）熟悉扩散模型等相关研究进展。\n2）熟悉PyTorch，有充分的动手实践经验。\n加分项：\n1）有图像/视频生成相关研究和实习经历，有影响力的开源项目中做出过核心贡献。\n2）发表过高水平论文（如ICLR、CVPR、ICCV等），有相关竞赛经历并取得名次。\n研究方向包括但不限于：\n1).高效率、低精度损失、高压缩比的视频VAE和tokenizer。\n2)围绕DiT结构的高效训练和推理探索，包括稀疏架构、MoE、AR生成等。\n3) 视频生成下游功能拓展，包括多概念注入生成、交互式生成、长视频生成等。\n1）熟悉扩散模型等相关研究进展。\n2）熟悉PyTorch，有充分的动手实践经验。\n加分项：\n1）有图像/视频生成相关研究和实习经历，有影响力的开源项目中做出过核心贡献。\n2）发表过高水平论文（如ICLR、CVPR、ICCV等），有相关竞赛经历并取得名次。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}