百度
AIGC / 多模态算法实习生（J105472）
AIGC / 多模态算法实习生（J105472）
发布于 3 小时前实习/见习
实习生仅现场办公计算机视觉工程
计算机视觉工程
Aigc
Diffusion
Pytorch
图像生成
多模态大模型
视频生成
计算机视觉
值不值得投
75综合评分
综合评分 75
百度核心AI团队实习，聚焦AIGC与多模态前沿技术，技术成长空间极大，适合热爱算法研究的硕博生。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
5千
比计算机视觉工程中位数低
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 1140 个在招 · 其中计算机视觉工程 3 个
市场机会
选择面较广
北京 · 计算机视觉工程 · 约 110 个在招
职位详情
关于这个职位
该职位主要负责爆款视频的智能分析与AIGC复刻，涉及视频内容理解、多模态大模型分析及图像/视频生成策略设计
你需要针对生成视频的画面质量、人物一致性等问题进行算法优化，并跟踪前沿技术进行论文调研与代码复现
最低要求
计算机、人工智能、电子信息、数学等相关专业硕士或博士在读
掌握计算机视觉和深度学习基础，熟悉 Transformer、Diffusion 等相关技术
熟悉 Python，掌握 PyTorch 等至少一种深度学习框架，具备良好的代码实现和实验分析能力
了解主流视频/图像生成模型及多模态大模型，具备一定的论文阅读、技术调研和代码复现能力
具备较强的问题分析和解决能力，能够主动发现问题并推动算法方案落地
工作职责
参与爆款视频的智能分析与 AIGC 复刻，完成视频内容理解、镜头拆解、视觉元素提取及生成方案设计
基于多模态大模型分析视频中的人物、场景、动作、镜头语言、叙事结构和视觉风格，并构建结构化的视频内容描述
参与图像/视频生成模型的 Prompt、Reference、Control 等生成策略设计，提升生成内容与原视频在主体、场景、构图及风格上的一致性
针对生成视频中的画面质量、人物一致性、运动合理性、时序稳定性、镜头衔接等问题进行分析和算法优化
跟踪视频生成、图像生成、多模态大模型等前沿技术，参与论文调研、代码复现和算法方案落地
优先资格
对视频生成、图像生成、视频理解、多模态大模型等方向有较强兴趣，有相关项目、科研或竞赛经验者优先
AI 洞察
优缺点分析
优点
- 身处AIGC与多模态大模型这一当前AI领域最热门、最具前景的赛道
- 依托百度在AI领域的深厚积累，能接触到前沿的算法场景与海量数据
- 实习经历含金量高，对后续申请顶尖高校或进入头部AI企业有极大帮助
- AIGC技术迭代极快，需要持续投入大量时间阅读最新论文并复现代码
- 视频生成涉及复杂的时序一致性与物理合理性问题，算法优化难度较大
- 适合对AIGC、计算机视觉和多模态大模型有浓厚兴趣，具备扎实代码能力且愿意在前沿技术领域深耕的硕博在校生
缺点 / 挑战
暂无明显挑战项
角色解读
- 在AIGC和多模态大模型领域积累深厚的算法优化与落地经验
- 未来可向多模态算法专家、AIGC技术负责人或AI研究员方向发展
- 参与爆款视频的智能分析与AIGC复刻，进行视频内容理解与视觉元素提取
- 基于多模态大模型分析视频内容，设计图像/视频生成策略以提升一致性
- 针对生成视频的画面质量、时序稳定性等问题进行算法优化，并跟踪前沿技术进行论文调研与代码复现
- 扎实的计算机视觉与深度学习基础，熟悉Transformer和Diffusion模型
- 熟练使用Python及PyTorch等深度学习框架，具备优秀的代码实现能力
- 具备多模态大模型及视频/图像生成模型的相关知识，能独立进行论文阅读与代码复现
申请策略
- 提前了解百度在AIGC领域的最新产品和技术布局（如文心一言、文心一格等），在面试中展现对公司业务的关注
- 突出在计算机视觉、多模态大模型或视频/图像生成方向的项目或科研经历
- 展示对Transformer、Diffusion等核心模型的深入理解及PyTorch代码实现能力
- 列举相关的顶会论文发表、知名竞赛获奖或开源项目贡献
- 深入学习最新的视频生成模型（如Sora相关技术、DiT等）及多模态对齐技术
- 提升代码复现能力，尝试在GitHub上复现经典的视频/图像生成论文代码
面试指南
- STAR法则：情境-任务-行动-结果，重点突出自己在项目中的具体贡献和解决复杂问题的思路
- 技术深度：从模型原理、损失函数设计、数据构建到工程落地，全方位展示对技术的掌控力
- 请详细介绍你参与过的视频生成或多模态大模型相关项目，遇到了哪些技术难点及如何解决？
- Transformer和Diffusion模型在视频生成中分别扮演什么角色？如何解决长视频生成的时序一致性问题？
- 如果生成的视频出现人物闪烁或运动不合理，你会从哪些维度进行算法优化？
- 请分享一篇你最近阅读的多模态或视频生成领域的顶会论文，它的核心创新点是什么？
- 复习深度学习基础及Transformer、Diffusion的底层数学原理与代码实现细节
- 准备1-2个自己主导或深度参与的AIGC/多模态项目，能够画出网络结构图并讲清优化思路
职位点评
薪资福利60
成长发展95
工作生活50
使命价值85
薪资福利
60中等
作为实习生岗位，薪资按日薪折算，能满足基本生活需求，但相比正式员工薪资仍有差距。
薪资信号未披露（AI估算：4.35–6.53千/月）
成长发展
95较高
岗位聚焦AIGC与多模态大模型前沿技术，能接触到行业顶尖的算法场景，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈多模态大模型、Transformer、Diffusion、视频生成、图像生成、PyTorch
成长机会跟踪前沿技术、论文调研、代码复现、算法方案落地
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与加班情况，但算法研发与前沿技术跟踪通常需要较高的工作投入。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
AIGC与多模态技术是当前AI领域最具变革性的方向，参与爆款视频复刻与生成具有强烈的技术探索意义。
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