百度
多模态生成算法工程师（J106881）
多模态生成算法工程师（J106881）
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Diffusion
Dit
Pytorch
图像生成
多模态大模型
强化学习
模型蒸馏
视频生成
值不值得投
73综合评分
综合评分 73
前沿生成模型算法岗，研究与落地并重，技术成长性强但工作节奏与作息需与HR确认。
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
4.3万
比计算机视觉工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1310 个在招 · 其中计算机视觉工程 4 个
市场机会
选择面较广
北京 · 计算机视觉工程 · 约 150 个在招
职位详情
关于这个职位
该岗位属于百度多模态生成方向的算法研发岗，主要负责扩散模型（Diffusion / DiT）等图像与视频生成模型的研发和效果优化，并探索强化学习、模型蒸馏、少步生成等新型加速方法
你将既做前沿研究（如调研、发表论文），也负责把这些技术从原型验证推进到业务场景落地
最低要求
硕士及以上学历
熟悉深度学习算法基本原理，熟悉Pytorch，熟悉Python
熟悉Transformer等模型架构，了解主流大模型的训练技术
熟悉多模态/生成等大模型的相关领域知识
工作职责
负责图像/视频生成模型的研发与效果优化工作，在扩散模型（Diffusion / DiT）等技术背景下探索高质量、高效率的生成方案
负责跟踪图像/视频生成、生成式大模型领域的前沿研究，进行技术调研与创新探索，协同撰写高质量学术论文
探索图像/视频生成的新型优化方法（如强化学习、模型蒸馏、少步生成等），推动创新技术从原型验证到业务场景落地
参与生成模型的关键技术攻关，联合算法结构、训练策略、推理加速等方向，设计并验证具有前瞻性的技术方案
优先资格
有多模态、生成领域实际落地应用经验者优先
有图像/视频生成模型训练、蒸馏经验的优先
AI 洞察
优缺点分析
优点
- 方向处于生成式AI的核心赛道，扩散模型与多模态生成是当前工业界与学术界共同关注的热点，技术积累具备长期价值
- 岗位兼顾前沿研究与业务落地，既能产出论文也能积累工程经验
- 依托大规模业务场景与算力资源，实验与验证条件较好
- 生成模型训练成本高、调参周期长，实验结果具有较大不确定性，需要较强的心态与耐心
- 同时承担研究探索与业务落地双重目标，节奏与目标平衡难度较大
- 适合具备扎实深度学习功底、对图像/视频生成方向有真实兴趣、既能读论文又能写训练代码的硕士及以上求职者
缺点 / 挑战
- 前沿迭代速度快，需要持续跟进新方法，学习压力不小
角色解读
- 负责图像与视频生成模型（Diffusion / DiT 路线）的研发、训练与效果调优，追求更高质量、更高效率的生成方案
- 跟踪生成式大模型与图像/视频生成领域的前沿进展，做技术调研并参与撰写学术论文
- 探索强化学习、模型蒸馏、少步生成等优化手段，把原型技术推进到实际业务场景
申请策略
- 提前梳理百度在图像/视频生成与多模态大模型上的产品与技术动态，面试时能对应到具体业务场景
- 准备一两个能讲透的技术故事，说明从问题定义到方案验证再到效果落地的完整链路
- 突出扩散模型/DiT相关的训练与调优项目，写明模型结构、数据规模与最终效果指标
- 量化展示生成质量或推理效率的提升，如采样步数下降、推理加速比、主观/客观评分提升
- 列出多模态或生成方向的项目落地经历，以及相关论文、开源项目或竞赛成果
- 体现 PyTorch 工程能力，包括分布式训练、数据管线与实验管理经验
- 补充模型蒸馏、少步采样、强化学习对齐（如RLHF/DPO在生成模型上的应用）等加速与优化方法的学习
- 熟悉主流生成模型代码库与训练框架，能独立复现一篇近期顶会论文
面试指南
- 技术原理类问题按「原理概述→关键公式/结构→你的实践改动→效果对比」四步回答，避免只背概念
- 项目类问题用 STAR 结构，重点讲清你的独立贡献、失败尝试与最终指标
- 开放性问题先给出判断框架（如质量、效率、成本三维度），再结合具体经验给出取舍理由
- 请介绍扩散模型与DiT的基本原理，你在项目中如何做结构与训练策略上的改进？
- 如何把生成模型的采样步数降下来？模型蒸馏和少步生成分别有哪些常见做法与坑？
- 多模态生成任务中，文本与视觉特征如何对齐？你遇到过的最大困难是什么？
- 如何评估图像/视频生成的质量？你会用哪些客观指标与主观评测方法？
- 如果要把实验室验证的生成模型推到线上业务，你会重点关注哪些工程与性能问题？
职位点评
薪资福利68
成长发展88
工作生活55
使命价值82
薪资福利
68中等
JD未披露薪资与福利信息，薪酬需与HR确认；从岗位技术门槛与所在城市看，具备一定市场竞争力，但福利细节无据可依。
薪资信号未披露（AI估算：3.0千–5.5万/月）
成长发展
88较高
岗位聚焦扩散模型与多模态生成前沿方向，明确包含技术调研、论文撰写与关键技术攻关，技术成长空间明确。
技术前沿前沿/新兴技术
技术栈Diffusion、DiT、Transformer、PyTorch、Python、多模态大模型、强化学习、模型蒸馏、少步生成、推理加速
成长机会跟踪图像/视频生成、生成式大模型领域的前沿研究、进行技术调研与创新探索、协同撰写高质量学术论文、参与生成模型的关键技术攻关、设计并验证具有前瞻性的技术方案
业务类型ambiguous
工作生活
55较低
JD未提及办公模式、弹性工时或作息安排，工作方式需与HR确认；办公地点推断在北京海淀科技园区一带。
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
82较高
生成式大模型属于当前技术热点赛道，岗位参与前沿研究并推动技术落地，技术价值与行业前景较突出，但JD未直接表述社会使命。
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