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】音频内容生成算法研究",
"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": "在内容生成领域，音频生成逐渐成为热门研究方向，具有广阔的应用前景和研究价值。本课题专注于音频内容生成方向，包括但不限于：\n1）音视频联合生成：探索如何使模型在生成过程中有效地结合文本、语音和图像信息，提升生成结果的相关性和自然度。\n2）音频数据处理与融合：研究音频数据的预处理和特征提取技术，以优化生成模型的输入输出。\n3）多模态生成模型的性能评估：设计自动化评估方法，量化多模态生成模型在下游任务中的表现。",
"requirements_text": "1）熟悉常见的多模态大模型架构。\n2）熟悉Python、C++等至少一门编程语言，熟悉LINUX环境。\n3）熟悉 Megatron、DeepSpeed 等开源训练框架。\n加分项：\n1）高星开源项目，社区关注度高。\n2）发表过高水平论文，如 ICLR、NeurIPS、ICML、CVPR 等。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"大语言模型"
],
"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=3155431042&jobShareType=1"
}
]
},
"posting": {
"posting_id": "3155431042",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3155431042&jobShareType=1"
},
"fulltext": "【大模型北斗实习】音频内容生成算法研究\n【大模型北斗实习】音频内容生成算法研究\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在内容生成领域，音频生成逐渐成为热门研究方向，具有广阔的应用前景和研究价值。本课题专注于音频内容生成方向，包括但不限于：\n1）音视频联合生成：探索如何使模型在生成过程中有效地结合文本、语音和图像信息，提升生成结果的相关性和自然度。\n2）音频数据处理与融合：研究音频数据的预处理和特征提取技术，以优化生成模型的输入输出。\n3）多模态生成模型的性能评估：设计自动化评估方法，量化多模态生成模型在下游任务中的表现。\n\n岗位基本要求\n1）熟悉常见的多模态大模型架构。\n2）熟悉Python、C++等至少一门编程语言，熟悉LINUX环境。\n3）熟悉 Megatron、DeepSpeed 等开源训练框架。\n加分项：\n1）高星开源项目，社区关注度高。\n2）发表过高水平论文，如 ICLR、NeurIPS、ICML、CVPR 等。\n在内容生成领域，音频生成逐渐成为热门研究方向，具有广阔的应用前景和研究价值。本课题专注于音频内容生成方向，包括但不限于：\n1）音视频联合生成：探索如何使模型在生成过程中有效地结合文本、语音和图像信息，提升生成结果的相关性和自然度。\n2）音频数据处理与融合：研究音频数据的预处理和特征提取技术，以优化生成模型的输入输出。\n3）多模态生成模型的性能评估：设计自动化评估方法，量化多模态生成模型在下游任务中的表现。\n1）熟悉常见的多模态大模型架构。\n2）熟悉Python、C++等至少一门编程语言，熟悉LINUX环境。\n3）熟悉 Megatron、DeepSpeed 等开源训练框架。\n加分项：\n1）高星开源项目，社区关注度高。\n2）发表过高水平论文，如 ICLR、NeurIPS、ICML、CVPR 等。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}