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": "【基座大模型北斗实习】视觉生成与世界模型技术研究",
"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 / 深圳市",
"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": "简介：参与视觉生成与世界模型方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进：\n1、高效率、低损失、高压缩比的图像视频 VAE 和 tokenizer 研究。\n2、统一生成模型的架构、训练与推理探索（稀疏架构、大尺寸 MoE、自回归生成等）。\n3、功能模型研究，包括参考生成、长视频生成、流式实时视频生成、音视频生成等。\n4、隐式世界模型、WorldActionModel 及 Action-conditioned WorldModel 的方法研究。\n5、世界模型在具身智能、实时交互等场景中的应用探索。\n6、其他你坚信路线正确的视觉生成与世界模型前沿方向。",
"requirements_text": "1、熟悉扩散模型、VAE等相关研究进展；\n2、熟悉PyTorch，有充分的动手实践经验。\n\n加分项：\n1、有图像/视频生成、Video-based世界模型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=4348830639&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4348830639",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4348830639&jobShareType=1"
},
"fulltext": "【基座大模型北斗实习】视觉生成与世界模型技术研究\n【基座大模型北斗实习】视觉生成与世界模型技术研究\n\n基础信息\n工作地点：北京市 / 上海市 / 深圳市\n职位类别：技术类\n职位族群：算法\n更新时间：2026-04-03\n\n岗位职责\n简介：参与视觉生成与世界模型方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进：\n1、高效率、低损失、高压缩比的图像视频 VAE 和 tokenizer 研究。\n2、统一生成模型的架构、训练与推理探索（稀疏架构、大尺寸 MoE、自回归生成等）。\n3、功能模型研究，包括参考生成、长视频生成、流式实时视频生成、音视频生成等。\n4、隐式世界模型、WorldActionModel 及 Action-conditioned WorldModel 的方法研究。\n5、世界模型在具身智能、实时交互等场景中的应用探索。\n6、其他你坚信路线正确的视觉生成与世界模型前沿方向。\n\n岗位基本要求\n1、熟悉扩散模型、VAE等相关研究进展；\n2、熟悉PyTorch，有充分的动手实践经验。\n\n加分项：\n1、有图像/视频生成、Video-based世界模型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简介：参与视觉生成与世界模型方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进：\n1、高效率、低损失、高压缩比的图像视频 VAE 和 tokenizer 研究。\n2、统一生成模型的架构、训练与推理探索（稀疏架构、大尺寸 MoE、自回归生成等）。\n3、功能模型研究，包括参考生成、长视频生成、流式实时视频生成、音视频生成等。\n4、隐式世界模型、WorldActionModel 及 Action-conditioned WorldModel 的方法研究。\n5、世界模型在具身智能、实时交互等场景中的应用探索。\n6、其他你坚信路线正确的视觉生成与世界模型前沿方向。\n1、熟悉扩散模型、VAE等相关研究进展；\n2、熟悉PyTorch，有充分的动手实践经验。\n\n加分项：\n1、有图像/视频生成、Video-based世界模型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"
}
}