小红书
流式视频理解算法实习生
流式视频理解算法实习生
发布于 2 小时前实习/见习
实习生仅现场办公AI算法
AI算法
Cvpr/Iccv
Pytorch
多模态大模型
流式推理
视频理解
长上下文
值不值得投
68综合评分
综合评分 68
顶尖大厂前沿AI算法实习，技术含金量极高，适合志在科研或高端研发的潜力人才
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，方便比较实习机会。
薪资怎么样
1.0千
比AI算法中位数低
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 2340 个在招
市场机会
选择适中
上海 · AI算法 · 31 个在招
职位详情
关于这个职位
该实习岗位专注于流式视频大模型的前沿研究，致力于实现“边看边理解”的实时视觉系统
你将参与构建流式推理架构、长时记忆建模及主动式交互等核心课题，并负责将高光识别、智能切片等内容理解能力落地到直播与点播产品中，推动模型从离线走向在线应用
最低要求
本科及以上学历，计算机、电子工程、自动化等相关专业
扎实的深度学习基础，熟悉 Transformer 架构、注意力机制、位置编码等核心技术
熟练掌握 PyTorch，具备独立复现/改进论文的能力
良好的代码工程能力，有大规模分布式训练经验优先
专业方向（满足其中一项即可）：
有视频理解相关研究或工程经验（VideoLLM、MLLM、Video QA、时序建模等），能独立跟进前沿工作
有长上下文/高效推理相关经验（KV Cache 优化、序列并行、量化、蒸馏等）
有在线视频理解或流式系统相关经验，了解实时推理系统架构设计
工作职责
流式理解核心研究：
跟踪流式视频理解领域最新进展，输出技术洞察，探索适合业务场景的创新方案
设计高效的流式推理架构，包括记忆压缩模块、时序建模与位置编码方案
构建流式视频训练数据集与训练框架，探索离线到在线的课程学习范式
视频内容理解落地：
研发视频内容理解模型：高光识别、场景分类、精彩度评分、人物/物体语义理解
实现智能切片能力：从直播流/点播视频中自动定位高光片段，支持实时和离线两种模式
将内容理解能力接入产品链路，包括直播封面、运营挖掘工具、创作者笔记诊断报告等
评测与工程：
构建流式视频评测体系，与人工标注对比，持续提升模型精度
优化端到端推理延迟、显存占用和吞吐量，满足实时性要求
优先资格
【加分项】：
在 CVPR、ICCV、NeurIPS、ICLR、ECCV、AAAI 等顶会发表过相关论文，有一作或重要贡献者优先
有直播/视频平台内容理解落地经验（高光识别、精华切片、封面生成等具体场景）
了解视频编解码基础（I/P/B 帧、码率、分辨率），能理解多媒体系统上下文
熟悉 RL/RLHF 在多模态模型上的应用
AI 洞察
优缺点分析
优点
- 接触流式视频理解等极具前瞻性的AI研究方向，技术栈前沿且具有高含金量
- 对深度学习理论基础和代码工程能力要求极高，需具备独立复现顶会论文的能力
- 计算机科学相关专业研究生或有扎实科研背景的本科生，对AI前沿技术有强烈热情
缺点 / 挑战
暂无明显挑战项
角色解读
- 向多模态大模型研究员、AI算法专家或视频AI系统架构师方向发展，深耕前沿视觉与语言融合技术
- 研究并开发流式视频大模型，实现从离线处理到实时在线理解的突破
- 精通PyTorch与Transformer架构，具备视频理解、长上下文处理及分布式训练的工程落地能力
申请策略
- 准备详细的论文复现代码或项目Demo，展示对实时推理系统性能优化的实际思考
- 突出展示在VideoLLM、时序建模或长上下文优化方面的项目经历，强调顶会论文或高质量开源贡献
- 深入理解Transformer变体及KV Cache优化技术，熟悉视频编解码原理及流式数据处理架构
面试指南
- 采用STAR法则描述项目背景、任务、行动与结果，重点阐述技术选型的权衡过程及性能优化指标
- 请详细介绍你复现过的一个Transformer相关论文，遇到了哪些挑战？
- 如何设计一个支持长上下文的高效推理架构？
- 在流式视频处理中，如何解决内存占用与实时性的平衡问题？
- 你对VideoLLM当前的技术瓶颈有什么看法？
- 复习注意力机制数学原理，梳理主流多模态大模型架构差异，准备1-2个深度技术案例
职位点评
薪资福利65
成长发展95
工作生活40
使命价值80
薪资福利
65中等
作为大厂实习岗，薪资处于市场中上水平，但主要价值在于履历背书而非高额现金回报。
薪资信号未披露（AI估算：0.4–0.6千/月）
成长发展
95较高
极高地满足发展性动机，提供接触流式视频大模型等前沿技术的绝佳机会，成长路径清晰且技术壁垒高。
技术前沿前沿/新兴技术
技术栈PyTorch、Transformer、VideoLLM、KV Cache、RLHF
业务类型profit_center
工作生活
40较低
互联网大厂研发岗通常节奏较快，虽未明确提及加班，但前沿研究往往伴随高强度脑力投入。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
致力于提升视频内容的实时理解能力，改善创作者体验与用户观看效率，具有显著的行业创新价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs