美团
视觉生成基座算法专家
视觉生成基座算法专家
发布于 大约 15 小时前普通员工/个人贡献者
北京市
专家级经验
全职员工
仅现场办公
学历未注明
计算机视觉工程
Autoencoder
Moe
Pytorch
Tokenizer
世界模型
图像生成
扩散模型
自回归模型
视频生成
AI 估算 · 40k–70k
视觉生成算法专家属于高需求前沿技术岗，美团平台大，薪资竞争力强，北京地区资深算法专家月薪一般在4-7万，年终奖约3个月。
职位详情
关于这个职位
作为美团基础研发平台的视觉生成基座算法专家，你将负责构建面向图像、视频及音视频的全模态生成基座模型，探索扩散模型、自回归模型等前沿生成技术，并推动技术落地到实际业务中
该岗位技术挑战大、方向前沿，适合在计算机视觉和深度学习领域有深厚积累、渴望参与大规模模型研发的算法人才
最低要求
熟练掌握模式识别和计算机视觉领域的基础理论和方法，在一个或多个领域有深入研究：扩散模型、图像/视频生成与编辑、跨模态理解与生成、大规模数据处理与训练等
在机器学习和深度学习方面具备扎实的理论基础和工程能力，熟悉Pytorch等主流框架
优秀的分析和解决问题的能力，项目推动力和团队协作能力
工作职责
负责视觉生成基座模型及应用的整体研发工作，面向图像生成、视频生成及音视频生成等全模态生成场景，构建行业先进的通用视觉生成能力
主要工作包括但不限于：
视觉全模态生成基座模型：设计和优化适用于图像、视频、音视频等多模态场景的统一生成基座模型架构
开展多模态、多任务联合训练与对齐（如图文、视听、动作等），提升模型的通用性与泛化能力
针对不同应用场景（如图像视频内容生成与编辑等）进行模型能力扩展与定制化优化
高效图像/视频Autoencoder与Tokenizer：研发高效压缩比、低失真度的图像/视频Autoencoder、Tokenizer等表征模型，支持大规模训练与高吞吐推理
探索适用于长视频、多视角视频等场景的结构化表征方式（如时空Token、分层编码等），平衡压缩率与生成质量
高效生成与下一代生成架构探索：研究和实现高效的生成范式，包括但不限于扩散模型、自回归模型等，并在大规模数据与大模型场景下优化训练与推理效率
探索稀疏架构、MoE（Mixture-of-Experts）等新型大模型结构，提高模型参数利用率与可扩展性
针对不同延迟与成本要求，设计分级推理与加速方案（如多阶段生成、粗到细生成、裁剪与蒸馏等）
面向世界模型（World Model）的长视频与实时生成：探索对复杂时空动态、因果关系与交互逻辑的建模方法，支撑长时长视频、连续场景生成
研发支持长视频叙事、一致角色与连贯环境的生成技术，解决长时依赖建模、记忆与控制等难题
构建低延迟、高稳定性的实时生成方案，支持交互式生成、实时驱动内容（如游戏、虚拟人、直播增强等）应用
AI 洞察
优缺点分析
优点
- 平台技术实力强，有超大规模集群和海量数据资源
- 技术方向前沿，覆盖图像、视频、音频全模态，成长空间大
- 业务场景丰富，技术转化落地机制完善
- 注重创新，技术氛围浓厚，与一流工程师共事
- 技术难度高，需要深入研究复杂模型架构和训练技巧
- 竞争激烈，需要持续学习和保持技术领先
缺点 / 挑战
- 工作强度可能较大，快速迭代和前沿探索压力并存
- 适合在计算机视觉、深度生成模型领域有深厚积累，热爱技术挑战，希望参与大规模模型研究和落地的算法专家
角色解读
- 可在视觉生成领域深入成为技术专家，负责更核心的基座模型研发
- 有机会扩展到多模态、世界模型等更前沿方向，引领技术方向
- 在美团基础研发平台可接触超大规模集群和海量数据，技术视野和影响力快速提升
- 设计和优化图像、视频、音视频等多模态统一生成基座模型架构，开展多任务联合训练与对齐
- 研发高效图像/视频Autoencoder与Tokenizer，支持大规模训练与高吞吐推理
- 探索扩散模型、自回归模型等高效生成范式，并优化训练与推理效率
- 面向世界模型研究长视频生成与实时生成技术，支撑交互式应用
- 扎实的计算机视觉和模式识别理论基础，熟悉扩散模型、图像/视频生成与编辑
- 精通机器学习和深度学习，熟练使用PyTorch等主流框架
- 具备大规模数据处理与训练经验，了解MoE、稀疏架构等前沿模型结构
- 优秀的分析解决问题能力和团队协作能力
申请策略
- 了解美团业务和基础研发平台的技术战略，思考视觉生成如何赋能本地商业
- 准备好展示你有影响力的技术作品，并清晰阐述技术思路和决策依据
- 突出在扩散模型、图像/视频生成方面的具体项目经验和成果，如论文、开源项目或工业落地案例
- 强调大规模模型训练经验，包括分布式训练、数据管线、调优技巧等
- 展示对Autoencoder、Tokenizer、MoE等技术的理解和实践
- 提及解决问题的能力，例如如何突破生成质量、效率瓶颈
- 补充世界模型、长视频生成等前沿方向的知识
- 深入学习模型压缩、蒸馏、高效推理等工程优化技术
面试指南
- 用STAR法则组织项目经历，突出你个人的贡献和量化结果
- 回答技术选型问题时，从任务目标、数据规模、算力约束等维度分析，体现系统性思考
- 对于开放性设计问题，先明确关键挑战，再给出分步解决方案，并说明权衡
- 请介绍你参与过的视觉生成项目，核心难点和解决方案是什么？
- 如何设计一个统一的多模态生成基座模型？谈谈你的架构思路
- 扩散模型和自回归模型各自的优缺点？在视频生成中你会怎么选？
- 如何平衡生成质量和推理效率？你有哪些实践经验？
- 你对世界模型的理解？如何解决长视频生成中的时空一致性问题？
职位点评
76
综合评分
美团前沿视觉生成算法岗，技术含量高、成长空间大，薪资优厚但工作强度可能较高。
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。
更适合这类人
适合追求前沿技术成长、热爱挑战、以事业成就为核心驱动力的算法专家，不太适合追求工作生活平衡的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利78
成长发展95
工作生活50
使命价值72
薪资福利
78中等
JD未明确薪资福利，但美团作为大型互联网上市公司，薪酬体系成熟，算法专家岗位薪资有竞争力。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
岗位聚焦视觉生成前沿技术，涉及扩散模型、世界模型、MoE等，技术成长空间巨大，且美团提供完善的学习生态和落地机制。
技术前沿前沿/新兴技术
技术栈扩散模型、自回归模型、MoE、视觉生成、世界模型、PyTorch、Autoencoder、Tokenizer
成长机会超强的技术氛围、完善的技术转化和落地机制、注重技术创新、完善的互联网学习生态圈、非线性成长
业务类型ambiguous
工作生活
50较低
工作地点在北京，需现场办公，JD未提及弹性或远程，互联网大厂算法岗通常工作强度较大，WLB平衡一般。
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
72中等
视觉生成技术有广阔应用前景，美团通过技术创新驱动行业价值，岗位对社会有一定贡献，但更偏商业驱动。
行业发展稳定成熟行业
社会影响中性/一般
使命信号驱动技术发展、创造行业价值
创新程度积极采用新技术
美团 的其他在招职位
相似职位推荐
Watch Jobs