哔哩哔哩
【B-UP】音视频理解工程师（实习）
【B-UP】音视频理解工程师（实习）
发布于 大约 4 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
学历未注明
研究与开发 (研发)
Cuda
Deepspeed
Diffusion Model
Fsdp
Moe
Pytorch
Rlhf
Sft
Vae
AI 估算 · 4k–8k
实习岗位，B站为知名互联网公司，薪资在行业中等水平，但可学到前沿技术。
职位详情
关于这个职位
作为音视频理解实习生，你将参与下一代音视频生成MOE大模型的研发，涉及多模态统一生成模型，与数据、评测等团队合作提升模型能力
适合对生成式AI有热情、具备PyTorch和扩散模型经验的同学
最低要求
熟悉 PyTorch以及分布式训练框架，理解并有实际经验Diffusion model、MOE、VAE、SFT、RLHF、Distillation 中至少两部分
有多条件参考/图像/视频/音频生成、编辑、超分、插帧、人物一致性、多镜头、音画同步等相关经验
能主动设计实验、分析失败案例，并优化实验结果
工作职责
参与下一代音视频生成MOE大模型的研发，包括 text-to-audio+video、image-to-audio+video、multi-reference generation、video-to-video、long video generation等多模态多任务的统一生成模型研发
与数据、评测、平台、内容团队协作，以模型全面能力提升为核心目标
优先资格
大规模生成模型训练经验
熟悉 CUDA/Triton、DeepSpeed、FSDP、Megatron、Ray、Slurm
有高质量开源项目、论文、demo 或工业落地经验
AI 洞察
优缺点分析
优点
- 参与前沿的音视频生成大模型研发，技术含量高
- B站平台资源丰富，团队成熟，学习机会多
- 实习期间可积累论文、开源项目等成果，提升简历竞争力
- 实习岗位，转正不确定性存在
- 工作强度可能较大，需快速产出实验结果
- 适合对生成式AI有浓厚兴趣、具备扎实工程和理论基础、希望在顶尖团队积累实战经验的同学
缺点 / 挑战
- 需要较强的自学能力和主动性，任务难度较高
角色解读
- 从实习转正为正式员工，深入参与核心模型研发
- 成为多模态生成领域的专家，可向研究员或算法工程师方向发展
- 积累大规模模型训练经验，未来可进入顶级AI公司或深造
- 参与音视频生成MOE大模型的研发，包括多模态统一模型的设计与训练
- 与数据、评测、平台团队协作，优化模型性能并分析失败案例
- 实现并改进text-to-audio/video、image-to-audio/video等生成任务
- 精通PyTorch及分布式训练框架，熟悉Diffusion model、MOE等至少两种技术
- 有图像/视频/音频生成、编辑、超分等实际经验
- 具备实验设计、结果分析和优化能力
申请策略
- 了解B站音视频业务方向，在面试中展示对相关技术的热情
- 准备一个代表作（如Demo或GitHub项目）说明你的贡献
- 突出PyTorch、分布式训练经验以及相关项目（如扩散模型实现）
- 如果有图像/视频生成相关项目或论文，重点展示
- 强调实验设计、问题分析能力以及优化结果的具体案例
- 如果对MOE、VAE、RLHF等不熟悉，可提前学习并做小项目
- 熟悉CUDA/Triton、DeepSpeed等工具会加分，可提前了解
面试指南
- 结构化回答：先简述概念，再结合实际经验，最后总结
- STAR法则：描述背景、任务、行动、结果
- 展示思考过程：先分析问题，再提出假设，最后验证
- 请解释Diffusion model的采样过程，并对比DDPM和DDIM
- 你如何设计实验来改进视频生成中的时间一致性？
- 描述一次你从失败案例中学习并优化模型性能的经历
- MOE模型在分布式训练中会遇到哪些挑战？如何解决？
- 你对音视频同步技术有哪些了解？
职位点评
72
综合评分
顶尖AI实习，前沿技术栈，成长极快但薪资普通。
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。
更适合这类人
最适合追求技术成长和前沿挑战的求职者，对薪资要求不高。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展95
工作生活60
使命价值70
薪资福利
40较低
实习薪资较低，但B站提供基础福利，如商业保险等。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
95较高
参与前沿大模型研发，技术成长极快，有机会发表论文或开源项目。
技术前沿前沿/新兴技术
技术栈Diffusion Model、MOE、VAE、SFT、RLHF、Distillation、PyTorch、DeepSpeed
业务类型ambiguous
工作生活
60中等
仅现场办公，但实习通常有弹性，团队氛围较好。
工作模式仅现场办公
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
70中等
音视频生成技术对内容创作有积极影响，但实习期贡献有限。
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）
哔哩哔哩 的其他在招职位
相似职位推荐
Watch Jobs