JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "AIGC 前沿赛道",
"job_level": "",AI生成
"work_category": "",AI生成
"department": "",
"location": "青岛·黄岛区·长江路",
"work_mode": "",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "山东雅世文化传媒科技",
"company_industry": "社交网络与媒体",
"company_size": "0-20人",
"company_website": "",
"company_description": ""
},
"compensation": {
"salary_range": {
"min": 3000,
"max": 4000,
"currency": "CNY",
"cycle": "month"
},
"benefits": ""
},
"requirements": {
"working_years": "",
"degree": "大专",
"language": "",AI生成
"visa_support": "",
"responsibilities": "",
"requirements_text": "大模型算法\n图像生成\nAIGC 前沿赛道・大模型视频生成・核心研发岗・作品落地快\n岗位职责\n1. 负责大模型视频⽣成技术(⽂⽣视频、图生视频、视频编辑等)的研发与应用落地,跟进 Diffusion、DiT 等主流架构;\n2. 负责视频⽣成大模型的选型、微调与二次开发(如 CogVideoX、Open-Sora、可灵、Vidu、即梦、混元等模型);\n3. 构建并优化视频生成工作流(提示词工程、LoRA、ControlNet、首尾帧控制、多镜头调度等),提升生成质量、画面一致性与可控性;\n4. 负责视频生成能力的工程化落地与性能优化(推理加速、显存优化、服务化部署),支撑业务规模化使用;\n5. 跟踪行业前沿进展,探索多模态大模型在短视频、影视、广告等场景的创意应用。\n任职要求\n1. 计算机、人工智能、数学等相关专业,深度学习基础扎实;\n2. 熟悉 PyTorch,掌握 Transformer / Diffusion / DiT 等主流模型结构,有大模型训练或推理优化经验;\n3. 熟悉图像生成、视频生成或多模态方向.\n4. 熟悉 LoRA、ControlNet、AnimateDiff 等常见微调 / 控制技术;\n5. 具备良好的工程能力,熟悉 TensorRT、vLLM、ONNX 等推理部署方案者优先;\n6. 对 AIGC 有热情,学习能力强,关注行业前沿动态。\n加分项\n- 有开源项目或顶会论文(CVPR / ICCV / NeurIPS 等);\n- 精通提示词工程,有高质量视频作品集(简历中请附上);\n- 有短视频、影视、广告等行业的落地经验。",
"skills": [AI生成
"kanzhun"
],
"preferred_qualifications": "",
"job_highlights": ""
},
"contact": {
"recruiter_name": "",
"contact_methods": [
{
"type": "apply_link",
"value": "https://www.zhipin.com/job_detail/434f5b13e76a79410nx_3dy7GFFY.html"
}
]
},
"posting": {
"posting_id": "434f5b13e76a79410nx_3dy7GFFY",
"post_date": "",
"hire_time": "",
"update_date": "",
"job_url": "https://www.zhipin.com/job_detail/434f5b13e76a79410nx_3dy7GFFY.html"
},
"fulltext": "大模型算法\n图像生成\nAIGC 前沿赛道・大模型视频生成・核心研发岗・作品落地快\n岗位职责\n1. 负责大模型视频⽣成技术(⽂⽣视频、图生视频、视频编辑等)的研发与应用落地,跟进 Diffusion、DiT 等主流架构;\n2. 负责视频⽣成大模型的选型、微调与二次开发(如 CogVideoX、Open-Sora、可灵、Vidu、即梦、混元等模型);\n3. 构建并优化视频生成工作流(提示词工程、LoRA、ControlNet、首尾帧控制、多镜头调度等),提升生成质量、画面一致性与可控性;\n4. 负责视频生成能力的工程化落地与性能优化(推理加速、显存优化、服务化部署),支撑业务规模化使用;\n5. 跟踪行业前沿进展,探索多模态大模型在短视频、影视、广告等场景的创意应用。\n任职要求\n1. 计算机、人工智能、数学等相关专业,深度学习基础扎实;\n2. 熟悉 PyTorch,掌握 Transformer / Diffusion / DiT 等主流模型结构,有大模型训练或推理优化经验;\n3. 熟悉图像生成、视频生成或多模态方向.\n4. 熟悉 LoRA、ControlNet、AnimateDiff 等常见微调 / 控制技术;\n5. 具备良好的工程能力,熟悉 TensorRT、vLLM、ONNX 等推理部署方案者优先;\n6. 对 AIGC 有热情,学习能力强,关注行业前沿动态。\n加分项\n- 有开源项目或顶会论文(CVPR / ICCV / NeurIPS 等);\n- 精通提示词工程,有高质量视频作品集(简历中请附上);\n- 有短视频、影视、广告等行业的落地经验。"
}