腾讯
校招混元-长视频流式生成数据构建和建模方式探索
深圳总部 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1.计算机/软件工程等相关专业硕士以上学历，拥有博士学位者优先；
- 2.熟悉计算机视觉、多模态领域的相关研究工作和算法，以第一作者身份发表顶会论文、顶级研究机构或一线互联网工作经验加分；
- 3.熟练使用Python、PyTorch和CUDA等语言及工具，具备快速阅读和复现论文的能力；
- 4.具备优秀的分析和解决问题能力，良好的团队合作精神及沟通意识。
岗位描述
【岗位职责】
课题背景：
扩散模型虽在短视频领域取得突破，但生成具有高时空一致性且内容丰富的长视频仍面临巨大挑战。现有模型在生成长序列时，常因长程依赖处理不足导致严重的语义漂移，且巨大的计算开销限制了视频时长的进一步突破。为解决长视频生成中的质量退化问题并填补高质量长视频数据集的空白，亟需从数据构建、评价体系及推理算法三个维度进行系统性革新。
课题挑战：
- 1）计算开销与显存瓶颈：如何在有限的硬件显存约束下，实现分钟级乃至更长视频的无限长度推理，且保证不损失画面精细度，是算法底层的极大考验。
- 2）语义一致性与防漂移：在长达数千帧的自回归或流式生成过程中，如何有效抑制画面内容的质量退化，确保物体特征恒常性与场景变换的自然衔接。
- 3）多维评价体系缺失：现有 FVD 等指标难以客观量化长视频在语义连贯性、信息增益率及内容多样性上的真实表现，构建一套科学、受行业认可的长视频生成 Benchmark 具有极高难度。
具体工作：
构建并标注大规模动态长视频数据集；研发流式视频生成算法，实现长视频在有限显存下的 SOTA 推理；建立包含多维一致性得分的长视频评测基准，并完成模型性能调优。
【任职要求】
- 1.计算机/软件工程等相关专业硕士以上学历，拥有博士学位者优先；
- 2.熟悉计算机视觉、多模态领域的相关研究工作和算法，以第一作者身份发表顶会论文、顶级研究机构或一线互联网工作经验加分；
- 3.熟练使用Python、PyTorch和CUDA等语言及工具，具备快速阅读和复现论文的能力；
- 4.具备优秀的分析和解决问题能力，良好的团队合作精神及沟通意识。
【技术方向】
AI数据、数据工程
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 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
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。