腾讯
校招光子AI-Omni 模态实时可控游戏视频生成研究
深圳总部 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1. 人工智能、计算机视觉或多模态相关方向博士，有顶会一作论文；
- 2. 精通扩散模型、自回归模型及多模态生成模型的原理与工程实现；
- 3. 有图像、视频或音频生成模型从零训练经验，精通 PyTorch 及大规模分布式训练；
- 4. 深度理解 Video VAE、视觉 Tokenizer、Audio Codec、跨模态对齐与音画同步技术；
- 5. 熟悉流式推理、KV Cache、模型压缩、并行解码或推理加速中的一项或多项技术；
- 6. 有可控视频生成、实时交互生成、3D注入或Omni 模型或多模态预训练项目经验者优先；
- 7. 主导过端到端生成基础模型，或具备训练、推理、系统联合优化经验者优先。
岗位描述
【岗位职责】
本课题面向下一代实时 Omni 生成基础模型，研究文本、图像、视频、语音、音效及交互控制信号的统一理解与生成。重点探索高效多模态表征、长时序建模、跨模态语义对齐、音画同步、大规模预训练及 Scaling Law，突破长视频生成中的内容一致性、状态记忆和连续演化等关键问题；同时研究流式生成、并行解码、KV Cache 优化和轻量化推理等技术，降低首帧延迟与持续生成时延，实现对轨迹、相机、姿态、语音等控制信号的实时响应，并保证交互过程中音画同步、帧间连贯与状态一致，为游戏、数字人、智能内容创作等实时交互场景提供技术基础。
【任职要求】
- 1. 人工智能、计算机视觉或多模态相关方向博士，有顶会一作论文；
- 2. 精通扩散模型、自回归模型及多模态生成模型的原理与工程实现；
- 3. 有图像、视频或音频生成模型从零训练经验，精通 PyTorch 及大规模分布式训练；
- 4. 深度理解 Video VAE、视觉 Tokenizer、Audio Codec、跨模态对齐与音画同步技术；
- 5. 熟悉流式推理、KV Cache、模型压缩、并行解码或推理加速中的一项或多项技术；
- 6. 有可控视频生成、实时交互生成、3D注入或Omni 模型或多模态预训练项目经验者优先；
- 7. 主导过端到端生成基础模型，或具备训练、推理、系统联合优化经验者优先。
【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。