{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "视觉生成基座算法专家",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "核心本地商业-基础研发平台",
        "location": "北京市",
        "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": "负责视觉生成基座模型及应用的整体研发工作，面向图像生成、视频生成及音视频生成等全模态生成场景，构建行业先进的通用视觉生成能力。主要工作包括但不限于：\n\n1. 视觉全模态生成基座模型：设计和优化适用于图像、视频、音视频等多模态场景的统一生成基座模型架构；开展多模态、多任务联合训练与对齐（如图文、视听、动作等），提升模型的通用性与泛化能力；针对不同应用场景（如图像视频内容生成与编辑等）进行模型能力扩展与定制化优化。\n\n2. 高效图像/视频Autoencoder与Tokenizer：研发高效压缩比、低失真度的图像/视频Autoencoder、Tokenizer 等表征模型，支持大规模训练与高吞吐推理；探索适用于长视频、多视角视频等场景的结构化表征方式（如时空Token、分层编码等），平衡压缩率与生成质量。\n\n3. 高效生成与下一代生成架构探索：研究和实现高效的生成范式，包括但不限于扩散模型、自回归模型等，并在大规模数据与大模型场景下优化训练与推理效率；探索稀疏架构、MoE（Mixture-of-Experts）等新型大模型结构，提高模型参数利用率与可扩展性；针对不同延迟与成本要求，设计分级推理与加速方案（如多阶段生成、粗到细生成、裁剪与蒸馏等）。\n\n4. 面向世界模型（World Model）的长视频与实时生成：探索对复杂时空动态、因果关系与交互逻辑的建模方法，支撑长时长视频、连续场景生成；研发支持长视频叙事、一致角色与连贯环境的生成技术，解决长时依赖建模、记忆与控制等难题；构建低延迟、高稳定性的实时生成方案，支持交互式生成、实时驱动内容（如游戏、虚拟人、直播增强等）应用。",
        "requirements_text": "1. 熟练掌握模式识别和计算机视觉领域的基础理论和方法，在一个或多个领域有深入研究：扩散模型、图像/视频生成与编辑、跨模态理解与生成、大规模数据处理与训练等。\n\n2. 在机器学习和深度学习方面具备扎实的理论基础和工程能力，熟悉Pytorch等主流框架。 \n\n3. 优秀的分析和解决问题的能力，项目推动力和团队协作能力。",
        "skills": [AI生成
            "PyTorch",
            "机器学习",
            "深度学习",
            "计算机视觉",
            "团队协作",
            "解决问题"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "1. 以公司实际业务为依托，有完善的技术转化和落地机制。 \n\n2. 场景全覆盖，视觉技术方向的选择空间大。 \n\n3. 注重技术创新，关注前沿技术。"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4037419936&jobShareType=1"
            }
        ]
    },
    "posting": {
        "posting_id": "4037419936",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4037419936&jobShareType=1"
    },
    "fulltext": "视觉生成基座算法专家\n视觉生成基座算法专家\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-基础研发平台\n职位类别：技术类\n职位族群：算法\n更新时间：2026-08-10\n\n岗位职责\n负责视觉生成基座模型及应用的整体研发工作，面向图像生成、视频生成及音视频生成等全模态生成场景，构建行业先进的通用视觉生成能力。主要工作包括但不限于：\n\n1. 视觉全模态生成基座模型：设计和优化适用于图像、视频、音视频等多模态场景的统一生成基座模型架构；开展多模态、多任务联合训练与对齐（如图文、视听、动作等），提升模型的通用性与泛化能力；针对不同应用场景（如图像视频内容生成与编辑等）进行模型能力扩展与定制化优化。\n\n2. 高效图像/视频Autoencoder与Tokenizer：研发高效压缩比、低失真度的图像/视频Autoencoder、Tokenizer 等表征模型，支持大规模训练与高吞吐推理；探索适用于长视频、多视角视频等场景的结构化表征方式（如时空Token、分层编码等），平衡压缩率与生成质量。\n\n3. 高效生成与下一代生成架构探索：研究和实现高效的生成范式，包括但不限于扩散模型、自回归模型等，并在大规模数据与大模型场景下优化训练与推理效率；探索稀疏架构、MoE（Mixture-of-Experts）等新型大模型结构，提高模型参数利用率与可扩展性；针对不同延迟与成本要求，设计分级推理与加速方案（如多阶段生成、粗到细生成、裁剪与蒸馏等）。\n\n4. 面向世界模型（World Model）的长视频与实时生成：探索对复杂时空动态、因果关系与交互逻辑的建模方法，支撑长时长视频、连续场景生成；研发支持长视频叙事、一致角色与连贯环境的生成技术，解决长时依赖建模、记忆与控制等难题；构建低延迟、高稳定性的实时生成方案，支持交互式生成、实时驱动内容（如游戏、虚拟人、直播增强等）应用。\n\n岗位基本要求\n1. 熟练掌握模式识别和计算机视觉领域的基础理论和方法，在一个或多个领域有深入研究：扩散模型、图像/视频生成与编辑、跨模态理解与生成、大规模数据处理与训练等。\n\n2. 在机器学习和深度学习方面具备扎实的理论基础和工程能力，熟悉Pytorch等主流框架。 \n\n3. 优秀的分析和解决问题的能力，项目推动力和团队协作能力。\n\n岗位亮点\n1. 以公司实际业务为依托，有完善的技术转化和落地机制。 \n\n2. 场景全覆盖，视觉技术方向的选择空间大。 \n\n3. 注重技术创新，关注前沿技术。\n负责视觉生成基座模型及应用的整体研发工作，面向图像生成、视频生成及音视频生成等全模态生成场景，构建行业先进的通用视觉生成能力。主要工作包括但不限于：\n\n1. 视觉全模态生成基座模型：设计和优化适用于图像、视频、音视频等多模态场景的统一生成基座模型架构；开展多模态、多任务联合训练与对齐（如图文、视听、动作等），提升模型的通用性与泛化能力；针对不同应用场景（如图像视频内容生成与编辑等）进行模型能力扩展与定制化优化。\n\n2. 高效图像/视频Autoencoder与Tokenizer：研发高效压缩比、低失真度的图像/视频Autoencoder、Tokenizer 等表征模型，支持大规模训练与高吞吐推理；探索适用于长视频、多视角视频等场景的结构化表征方式（如时空Token、分层编码等），平衡压缩率与生成质量。\n\n3. 高效生成与下一代生成架构探索：研究和实现高效的生成范式，包括但不限于扩散模型、自回归模型等，并在大规模数据与大模型场景下优化训练与推理效率；探索稀疏架构、MoE（Mixture-of-Experts）等新型大模型结构，提高模型参数利用率与可扩展性；针对不同延迟与成本要求，设计分级推理与加速方案（如多阶段生成、粗到细生成、裁剪与蒸馏等）。\n\n4. 面向世界模型（World Model）的长视频与实时生成：探索对复杂时空动态、因果关系与交互逻辑的建模方法，支撑长时长视频、连续场景生成；研发支持长视频叙事、一致角色与连贯环境的生成技术，解决长时依赖建模、记忆与控制等难题；构建低延迟、高稳定性的实时生成方案，支持交互式生成、实时驱动内容（如游戏、虚拟人、直播增强等）应用。\n1. 熟练掌握模式识别和计算机视觉领域的基础理论和方法，在一个或多个领域有深入研究：扩散模型、图像/视频生成与编辑、跨模态理解与生成、大规模数据处理与训练等。\n\n2. 在机器学习和深度学习方面具备扎实的理论基础和工程能力，熟悉Pytorch等主流框架。 \n\n3. 优秀的分析和解决问题的能力，项目推动力和团队协作能力。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}