中国电信
TeleAI-智传网（AI Flow）多模态生成与传输算法工程师
TeleAI-智传网（AI Flow）多模态生成与传输算法工程师
发布于 大约 15 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Diffusion Models
Flow Matching
Pytorch
Vae
Video Generation
Generative Compression
Neural Video Coding
Semantic Communication
Video Transformer
值不值得投
77综合评分
综合评分 77
前沿技术研究岗，发展性强，薪资稳定，但办公灵活性一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
40K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2870 个在招 · 其中人工智能 30 个
市场机会
选择适中
上海 · 人工智能 · 46 个在招
职位详情
关于这个职位
该职位负责研究生成式智能传输与生成式视频压缩技术，探索基于大模型的下一代智能媒体传输方案
你将深入研究多模态生成模型在视频理解、压缩和增强中的应用，设计面向低带宽、高时延环境的生成式传输系统，推动从数据传输到生成传输的技术演进
适合对前沿AI技术有浓厚兴趣、具备扎实算法功底的研究型工程师
最低要求
硕士及以上学历，计算机科学、人工智能、电子信息、通信工程、软件工程等相关专业
熟悉深度学习和生成模型技术，在以下一个或多个方向具有研究或项目经验：Diffusion Models/ Video Generation /Generative Compression /Neural Video Coding/ Semantic Communication
具备优秀的问题分析和算法创新能力，有顶级会议或期刊论文发表经验优先，包括但不限于：CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML
工作职责
负责生成式智能传输（Generative Transmission）、生成式视频压缩（Generative Video Compression）相关算法研究与系统开发，探索基于大模型的下一代智能媒体传输技术
研究多模态生成模型在视频理解、视频压缩、内容重建和质量增强中的应用，覆盖 Diffusion Models、Video Transformer、VAE、Autoregressive Models、Flow Matching 等生成范式
负责设计面向低带宽、高时延、弱网络环境的生成式传输方案，研究 semantic representation、latent token、visual token、motion token 等紧凑信息表示方法，实现从“数据传输”到“生成传输”的技术演进
探索生成式传输（Generative Transmission）关键技术，包括：语义感知编码（Semantic-aware Coding）、联合源信道生成编码（Joint Source-Channel-Generative Coding）、Latent Space Alignment、Conditional Generation、Knowledge-grounded Generation
构建端到端智能传输系统，结合视觉感知、生成模型、通信链路和系统优化，实现实时视频生成式传输应用
AI 洞察
优缺点分析
优点
- 处于AI与通信交叉前沿，技术含量高，有广阔发展空间
- 中国电信作为大型国企，平台稳定，资源丰富，有利于长期发展
- 有机会发表顶级论文，提升学术影响力
- 技术落地周期长，可能需要应对复杂的工程问题
- 作为国企，可能面临一定的流程和体制约束
- 适合对生成式AI和通信技术有浓厚兴趣，具备扎实研究能力和创新精神的求职者
缺点 / 挑战
- 研究难度大，需要持续学习最新技术，工作压力可能较大
角色解读
- 从算法工程师成长为技术专家，深入生成式AI和通信交叉领域
- 有机会晋升为团队负责人，带领团队开展前沿技术研究
- 可向标准制定或产品化方向发展，推动技术落地
- 研究生成式视频传输和压缩算法，探索基于大模型的智能媒体传输技术
- 设计面向低带宽、高时延环境的生成式传输方案，实现语义感知编码和联合源信道生成编码
- 构建端到端智能传输系统，结合视觉感知、生成模型和通信链路优化，实现实时视频生成式传输应用
- 精通深度学习和生成模型，熟悉 Diffusion Models、Video Transformer、VAE 等
- 具备扎实的编程能力，熟练使用 Python 和深度学习框架（如 PyTorch）
- 有视频生成、压缩或语义通信相关研究经验，能进行算法创新和系统开发
申请策略
- 了解中国电信在 AI 和通信领域的布局，展示对公司的认同
- 准备项目案例，突出技术难点和解决方案
- 突出生成式模型、视频压缩或语义通信相关项目经验
- 强调论文发表经历，尤其是顶级会议论文
- 展示算法创新能力和系统开发能力
- 深入学习 Diffusion Models 和 Video Generation 的最新进展
- 熟悉通信原理和视频编码标准，如 H.264/H.265
- 提升 Python 编程和 PyTorch 框架的熟练度
面试指南
- 用 STAR 法则回答项目经验，突出技术挑战和成果
- 结合具体算法和论文，展示对前沿技术的理解
- 强调系统思维，从整体架构角度回答问题
- 请介绍你在生成式视频压缩或语义通信方面的研究经验
- 如何设计一个面向低带宽环境的生成式传输系统？
- 你如何理解 semantic representation 和 latent token？
- 请谈谈你对 Diffusion Models 在视频生成中的应用
- 复习生成式模型和视频编码的基础知识
职位点评
薪资福利80
成长发展90
工作生活60
使命价值70
薪资福利
80较高
该职位薪资水平较高，且中国电信作为大型国企，福利待遇稳定，能满足补偿性动机。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
该职位涉及前沿生成式AI技术，研究性强，有发表论文机会，发展性动机得到充分满足。
技术前沿前沿/新兴技术
技术栈Diffusion Models、Video Generation、Generative Compression、Semantic Communication、Video Transformer、VAE、Flow Matching
业务类型ambiguous
工作生活
60中等
工作地点在上海，但未提及弹性工作或远程办公，可能需现场办公，生活化动机满足一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
该职位推动智能媒体传输技术发展，具有技术价值，但社会影响一般。
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
Watch Jobs