企业微信
企业微信-多模态算法工程师-文生图方向
企业微信-多模态算法工程师-文生图方向
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Aigc
Controlnet
Diffusion Model
Pytorch
多模态大模型
深度学习
值不值得投
75综合评分
综合评分 75
前沿AIGC技术岗、发展性动机极强、薪资潜力高、工作强度中等偏上
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.0万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
48 个在招 · 其中机器学习工程 3 个
市场机会
选择适中
广州 · 机器学习工程 · 37 个在招
职位详情
关于这个职位
负责文生图/图生图及多模态大模型的算法研发与优化，跟踪AIGC前沿技术并落地到企微业务场景
同时探索图像可控生成技术（如ControlNet），并配合团队完成模型推理加速与工程化部署
最低要求
教育背景： 计算机、人工智能、数学等相关专业硕士及以上学历
核心技术： 扎实的深度学习基础，精通 PyTorch 等主流深度学习框架，熟悉 Diffusion Model、GAN、Transformer 等生成式模型架构，熟悉ControlNet、LoRA、 Text Inversion等生成模型插件
工程能力： 熟练掌握 Python，具备扎实的编码能力和优秀的数据结构、算法功底
工作职责
模型研发与优化： 负责文生图（Text-to-Image）、图生图（Image-to-Image）及多模态大模型的算法研发，持续提升图像生成的质量、可控性、多样性及生成速度
前沿技术跟进： 跟踪 AIGC、扩散模型（Diffusion Models）、自回归模型（Autoregressive Models）等领域的最新前沿技术，结合企微业务产品特点进行技术转化与落地
可控生成探索： 负责图像可控生成（如ControlNet、ID一致性等技术）的研发，解决文本与图像语义对齐、细节控制、风格迁移等核心问题
性能工程： 配合工程团队进行大模型的推理加速和工程化部署，探索模型效能优化研发工作
AI 洞察
优缺点分析
优点
- 聚焦AIGC与文生图前沿赛道，技术壁垒高且行业需求持续旺盛
- 依托成熟平台接触海量真实业务场景与充足算力资源，便于技术验证
- 技术栈高度现代化，利于长期职业竞争力与学术/工业界影响力积累
- 算法迭代极快，需保持高强度自主学习以跟进顶会最新成果
- 模型效果调优与推理加速对工程能力与系统思维要求严苛
- 适合热爱AIGC前沿技术、具备扎实算法与工程基础、追求技术深度与业务落地结合的求职者
缺点 / 挑战
- 业务导向明确，需在技术创新与产品交付之间平衡，产出压力较大
角色解读
- 向多模态大模型架构师或AIGC算法专家方向发展，深耕生成式AI底层技术
- 拓展至视频生成、3D内容生成、多模态交互等前沿交叉领域
- 积累复杂业务落地经验后，可转向技术管理或产品技术复合型角色
- 负责文生图/图生图及多模态大模型的算法研发与迭代，持续提升生成质量与效率
- 跟踪AIGC前沿技术并结合业务场景进行技术转化与落地
- 探索图像可控生成技术，解决文本与图像语义对齐、细节控制等核心问题
- 配合工程团队完成模型推理加速、部署优化与效能提升
- 精通深度学习框架与生成式模型架构（Diffusion/Transformer/GAN等）
- 熟练掌握Python编程，具备扎实的数据结构与算法功底
- 熟悉ControlNet、LoRA、Text Inversion等主流生成模型插件与微调技术
- 具备模型性能优化、分布式训练与工程化部署的实战能力
申请策略
- 提前了解企业微信生态及AIGC在ToB办公场景的应用痛点与商业化路径
- 准备至少一个完整的端到端模型训练、调优与部署项目案例，清晰阐述技术决策逻辑
- 突出深度学习项目经历，重点展示Diffusion/Transformer相关论文复现或高质量开源贡献
- 量化模型优化指标（如PSNR/FID提升比例、推理延迟降低百分比、显存占用优化数据）
- 强调Python编码规范、算法竞赛成绩或大规模分布式训练实战记录
- 深入研读CVPR/ICML等顶会最新AIGC论文，掌握主流开源模型微调与提示词工程技巧
- 强化Linux环境下的分布式训练框架与模型部署工具链（如TensorRT、vLLM、DeepSpeed）
面试指南
- 采用STAR法则清晰描述项目背景、技术难点、方案选型与最终量化收益
- 结合数学推导与代码实现解释技术原理，避免空泛的理论堆砌
- 对比不同技术路线的优劣，提供消融实验或基准测试数据支撑结论
- 请详细介绍Diffusion模型的去噪过程，以及你在项目中采用的改进策略
- 如何优化多模态大模型的推理延迟？遇到过哪些显存瓶颈，如何解决？
- ControlNet的核心原理是什么？在实际业务中如何调整权重以保证ID一致性？
- 模型生成结果不稳定或出现严重幻觉时，你的排查与优化思路是什么？
- 系统复习深度学习基础理论、反向传播机制与生成模型核心公式
职位点评
薪资福利82
成长发展94
工作生活42
使命价值68
薪资福利
82较高
薪资未披露，但结合广州地区大厂算法岗市场行情推测具备较强竞争力，具体福利条款需面试确认。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
94较高
JD明确要求跟踪AIGC前沿技术并落地，技术栈涵盖Diffusion/Transformer等，成长空间明确且技术天花板高。
技术前沿前沿/新兴技术
技术栈PyTorch、Diffusion Model、Transformer、ControlNet、LoRA、多模态大模型
业务类型ambiguous
工作生活
42较低
JD未提及弹性工时或加班政策，算法研发与模型迭代通常需投入较多时间，具体节奏待确认。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
68中等
岗位聚焦AIGC技术转化与业务落地，旨在提升产品体验与生产效率，具有明确的商业与技术导向。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
企业微信 的其他在招职位
相似职位推荐
Watch Jobs