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": "AIGC数字人视频生成算法实习生（J105810）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "MEG",
"location": "北京市,上海市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"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": "-参与面向电商场景的数字人视频生成大模型（基于Wan/H3等骨干网络）的研发与迭代\n-研究并落地步数蒸馏（DMD/一致性蒸馏）、稀疏注意力等推理加速策略，优化视频生成推理效率\n-探索 IP-Adapter 等参考图控制技术，提升数字人身份一致性与商品细节保真度\n-参与超分辨率后处理、局部细节 Refine 等模型研发，提升视频生成全链路可用率\n-协助构建高质量电商场景训练数据 pipeline，设计标准化测试集，支撑模型持续迭代\n-跟踪视频生成领域前沿进展（多视角生成、长时自回归、RL对齐等），参与学术论文调研与写作",
"requirements_text": "-研究生及以上学历，计算机、人工智能、电子工程等相关专业\n-扎实的深度学习基础，熟悉 PyTorch，有扩散模型（Diffusion Model）相关经验优先\n-了解视频生成/图像生成方向主流技术，有 Wan、CogVideoX、Sora 等工作研究经验者优先\n-熟悉模型推理加速（步数蒸馏、量化、稀疏注意力等）相关技术者加分\n-有顶会（CVPR/ICCV/NeurIPS/ECCV 等）论文发表或在审经历者优先\n-良好的代码能力，能独立完成实验设计与分析，有较强的自驱力",
"skills": [AI生成
"PyTorch",
"深度学习"
],
"preferred_qualifications": "扎实的深度学习基础，熟悉 PyTorch，有扩散模型（Diffusion Model）相关经验优先；了解视频生成/图像生成方向主流技术，有 Wan、CogVideoX、Sora 等工作研究经验者优先；熟悉模型推理加速（步数蒸馏、量化、稀疏注意力等）相关技术者加分；有顶会（CVPR/ICCV/NeurIPS/ECCV 等）论文发表或在审经历者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/INTERN/507dc367-f87f-49ff-9812-2285287afcde"
}
]
},
"posting": {
"posting_id": "507dc367-f87f-49ff-9812-2285287afcde",
"post_date": "2026-09-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/INTERN/507dc367-f87f-49ff-9812-2285287afcde"
},
"fulltext": "AIGC数字人视频生成算法实习生（J105810）\nAIGC数字人视频生成算法实习生（J105810）\n\n基础信息\n部门：MEG\n地点：北京市,上海市\n项目：日常实习项目\n类别：技术\n招聘人数：1\n发布时间：2026-09-14\n\n工作职责\n-参与面向电商场景的数字人视频生成大模型（基于Wan/H3等骨干网络）的研发与迭代\n-研究并落地步数蒸馏（DMD/一致性蒸馏）、稀疏注意力等推理加速策略，优化视频生成推理效率\n-探索 IP-Adapter 等参考图控制技术，提升数字人身份一致性与商品细节保真度\n-参与超分辨率后处理、局部细节 Refine 等模型研发，提升视频生成全链路可用率\n-协助构建高质量电商场景训练数据 pipeline，设计标准化测试集，支撑模型持续迭代\n-跟踪视频生成领域前沿进展（多视角生成、长时自回归、RL对齐等），参与学术论文调研与写作\n\n职责要求\n-研究生及以上学历，计算机、人工智能、电子工程等相关专业\n-扎实的深度学习基础，熟悉 PyTorch，有扩散模型（Diffusion Model）相关经验优先\n-了解视频生成/图像生成方向主流技术，有 Wan、CogVideoX、Sora 等工作研究经验者优先\n-熟悉模型推理加速（步数蒸馏、量化、稀疏注意力等）相关技术者加分\n-有顶会（CVPR/ICCV/NeurIPS/ECCV 等）论文发表或在审经历者优先\n-良好的代码能力，能独立完成实验设计与分析，有较强的自驱力\n-参与面向电商场景的数字人视频生成大模型（基于Wan/H3等骨干网络）的研发与迭代\n-研究并落地步数蒸馏（DMD/一致性蒸馏）、稀疏注意力等推理加速策略，优化视频生成推理效率\n-探索 IP-Adapter 等参考图控制技术，提升数字人身份一致性与商品细节保真度\n-参与超分辨率后处理、局部细节 Refine 等模型研发，提升视频生成全链路可用率\n-协助构建高质量电商场景训练数据 pipeline，设计标准化测试集，支撑模型持续迭代\n-跟踪视频生成领域前沿进展（多视角生成、长时自回归、RL对齐等），参与学术论文调研与写作\n-研究生及以上学历，计算机、人工智能、电子工程等相关专业\n-扎实的深度学习基础，熟悉 PyTorch，有扩散模型（Diffusion Model）相关经验优先\n-了解视频生成/图像生成方向主流技术，有 Wan、CogVideoX、Sora 等工作研究经验者优先\n-熟悉模型推理加速（步数蒸馏、量化、稀疏注意力等）相关技术者加分\n-有顶会（CVPR/ICCV/NeurIPS/ECCV 等）论文发表或在审经历者优先\n-良好的代码能力，能独立完成实验设计与分析，有较强的自驱力",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}