腾讯
实习ARC Lab-感知与理解模型研究
北京 · 实习 · 博士
长期有效
任职要求
- 1、相关专业（计算机、人工智能等）在读博士；
- 2、卓越的研究背景，在顶级学术会议或期刊（如CVPR,ICCV,NeurIPS,ICML,ICLR,SIGGRAPH等）发表过2篇以上高水平论文；
- 3、在开源社区有显著贡献，核心项目在GitHub上获得累计100+stars。
- 此课题同时招聘应届实习生和低年级实习生。
岗位描述
【岗位职责】
课题背景：
感知和理解世界是多模态模型的根本，不仅本身有着巨大的价值，也是多模态生成模型的起点。本课题旨在开发多模态模型，实现对场景几何结构、语义信息及动态变化的高精度、多颗粒度理解与状态估计，在推动长视频，长剧理解的基础上推动世界模型和可控、交互视频生成模型模型的发展。
课题挑战：
- 1、多粒度时空表征建模： 如何在处理长视频数据时，同时兼顾宏观语义逻辑与微观几何结构的精确捕捉，实现跨时空的特征对齐。
- 2、长序列状态演化的连贯性： 针对数十分钟乃至数小时的视频，如何设计高效的记忆机制与推理架构，确保模型对场景动态变化的长期追踪与理解。
- 3、物理常识与因果推理融合： 如何将物理定律（如重力、遮挡、碰撞）融入理解框架，使模型不仅能“看到”画面，更能理解动作背后的因果关系。
- 4、高质量理解-生成闭环数据构建： 如何自动化合成包含高精度标注的长视频理解数据，用于支撑世界模型的联合预训练与强化学习优化。
具体工作：
参与本课题的同学将主要负责：
- 1、研发视频时空表征建模方法；
- 2、构建支持超长时序（如长剧、电影）的深层语义建模与关系推理框架；
- 3、建立模型对视频中物体状态迁移及动态演化的估计能力；
【任职要求】
- 1、相关专业（计算机、人工智能等）在读博士；
- 2、卓越的研究背景，在顶级学术会议或期刊（如CVPR,ICCV,NeurIPS,ICML,ICLR,SIGGRAPH等）发表过2篇以上高水平论文；
- 3、在开源社区有显著贡献，核心项目在GitHub上获得累计100+stars。
【加分项】
此课题同时招聘应届实习生和低年级实习生。
【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
该岗位可能会问的问题
基于 运营 岗位的常见面试问题整理
我提到了电竞方面，另一个面试官就问我对于ig战队（lol）的看法，然后一道情景题：公司和ig方面有合作，怎样运营才能吸引ig粉丝使用我们产品
查看答题思路
1. 电竞营销=粉丝经济，核心是社区运营而非传统广告 2. 跨界合作：战队/选手/IP 联名，借粉丝流量 3. 内容策略：比赛直播/选手日常/粉丝二创/社区活动 4. 案例：用 STAR 讲一个电竞相关的运营策划
另一个面试官看我的专业（偏设计）就问我愿不愿意做产品设计方向，让我发作品集 大概就这些 #咪咕#<a href="/creation/subject/928d551be73f40db82c0ed83286c8783" target="_blank" class="s
查看答题思路
1. 核心概念：一句话说清这个问题的底层逻辑 2. 方法论/框架：用 STAR 原则或专业框架结构化回答 3. 实际案例：结合一个具体场景说明 4. 量化结果：用数据佐证你的观点
你认为内容运营需要具备哪些能力
查看答题思路
1. 内容运营=创作有价值的内容→分发到正确渠道→吸引目标用户→促成转化 2. 核心能力：选题能力（知道用户想看什么）、写作能力、数据分析能力（用数据迭代内容策略） 3. 生命周期：选题→创作→审核→发布→分发→数据回收→优化→二次传播 4. 优质内容标准：原创/有用/有趣/有共鸣/有行动引导
谈谈你理解的内容生命周期
查看答题思路
1. 真诚：为什么对这个方向感兴趣（具体经历/瞬间） 2. 匹配：你的能力和这个岗位的契合点 3. 成长：你希望从这个岗位学到什么 4. 贡献：你能为团队带来什么
自我介绍
查看答题思路
1. 我是谁（姓名+学校+专业，15秒） 2. 我做过什么（最相关的 1-2 个经历，30秒） 3. 为什么适合这个岗位（能力匹配，15秒） 4. 总时长控制在 1 分钟以内 5. 避免：念简历、说「我学习能力强」这种空话
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。