腾讯营销—商业化场景中多模态生成算法研究

深圳总部 · 实习 · 博士

长期有效

前往官方投递页 →

任职要求

1、计算机科学、人工智能、电子工程、数学等相关专业在读硕士/博士，2026-2027 届毕业生或实习生；
2、扎实的深度学习基础，熟悉主流生成模型原理（Diffusion Models、GAN、VAE、Flow Matching 等）；
3、熟练使用 PyTorch 等主流深度学习框架，具备良好的 Python/C++ 编程能力；
4、了解主流视觉生成模型（如 Stable Diffusion、DALL·E、DiT、Sora、CogVideo 等）及其可控生成方法（ControlNet、IP-Adapter、LoRA 等）；
5、具备独立复现论文和设计实验的能力，有较强的分析问题和工程落地意识；
6、良好的沟通协作能力和自驱力，对广告/营销等商业化场景有兴趣；
7、加分项；
8、在 CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、SIGGRAPH、ACM MM 等顶会发表过相关论文；
9、有图像/视频生成模型的训练、微调或产品化落地经验；
10、有广告创意、内容营销或推荐系统相关的研究或工程经验；
11、了解广告投放链路（如 CTR 预估、创意优选）并能将其与生成技术结合思考；
12、有大规模模型训练或推理优化经验。

岗位描述

【岗位职责】

商业化场景中多模态生成算法研究

岗位描述

我们聚焦广告创意素材的智能化生产，通过前沿的多模态生成技术，为广告主和投放平台提供高质量、大规模、低成本的创意内容生成能力。团队围绕广告图片生成、视频生成等核心方向，致力于将 AIGC 技术深度应用于信息流广告、品牌广告、效果广告等多元场景，以技术驱动广告投放效率与创意质量的双重提升。

工作职责

广告创意图片生成：研究并落地面向广告场景的可控图像生成技术，包括广告 Banner 生成、营销海报合成、商品创意图生成、多风格素材批量产出等，满足广告主多样化的创意需求；

广告视频素材生成：探索文生视频、图生视频、素材拼接与编辑等技术在广告场景的应用，支持信息流短视频广告、品牌 TVC 片段、动态商品展示等内容的自动化生产；

素材可控性与一致性研究：攻克广告场景中的核心难题——品牌元素一致性（Logo、字体、色调）、构图可控性、文案与视觉的协调融合，确保生成内容符合广告投放标准；

效果导向的生成优化：结合广告 CTR/CVR 等业务指标，探索以投放效果为导向的生成模型优化方法（如基于 reward model 的 RLHF、A/B test 驱动的迭代优化）；

前沿技术跟进与创新：紧跟 AIGC 领域最新进展（Diffusion Models、DiT、视频生成、多模态统一模型等），结合广告业务特性提出技术创新方案。

【任职要求】

1、计算机科学、人工智能、电子工程、数学等相关专业在读硕士/博士，2026-2027 届毕业生或实习生；
2、扎实的深度学习基础，熟悉主流生成模型原理（Diffusion Models、GAN、VAE、Flow Matching 等）；
3、熟练使用 PyTorch 等主流深度学习框架，具备良好的 Python/C++ 编程能力；
4、了解主流视觉生成模型（如 Stable Diffusion、DALL·E、DiT、Sora、CogVideo 等）及其可控生成方法（ControlNet、IP-Adapter、LoRA 等）；
5、具备独立复现论文和设计实验的能力，有较强的分析问题和工程落地意识；
6、良好的沟通协作能力和自驱力，对广告/营销等商业化场景有兴趣；
7、加分项；
8、在 CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、SIGGRAPH、ACM MM 等顶会发表过相关论文；
9、有图像/视频生成模型的训练、微调或产品化落地经验；
10、有广告创意、内容营销或推荐系统相关的研究或工程经验；
11、了解广告投放链路（如 CTR 预估、创意优选）并能将其与生成技术结合思考；
12、有大规模模型训练或推理优化经验。

【技术方向】

多模态、视觉、语音

你的简历匹配这个岗位吗？

上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方

登录后分析我的简历

该岗位可能会问的问题

基于算法岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制（Self-Attention）

类型专业能力·难度困难

查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等

查看答题思路

1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）

过拟合是什么？怎么判断和解决

类型专业能力·难度简单

查看答题思路

1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理，SGD 和 Adam 的区别

类型专业能力·难度中等

查看答题思路

1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam

给你 10 万条未标注的文本数据，如何找出其中 10 个主题

类型情景/案例·难度中等

查看答题思路

1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整

更多面试题库功能即将上线

信息来源：企业官方招聘页。投递前请以官网信息为准。

前往官方投递页 →