哔哩哔哩
【B-UP】音视频理解工程师（校招）
【B-UP】音视频理解工程师（校招）
发布于 大约 15 小时前实习/见习
全职员工仅现场办公人工智能
人工智能
Deepspeed
Megatron
Vlm
大模型
数据处理
模型训练
视频理解
论文复现
值不值得投
70综合评分
综合评分 70
前沿技术探索岗，成长空间大但对个人能力与自驱力要求极高。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
19K
比人工智能中位数低
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 600 个在招
市场机会
选择面较广
上海 · 人工智能 · 约 150 个在招
职位详情
关于这个职位
这是哔哩哔哩面向2027届应届毕业生的校招岗位，专注于视频多模态大模型的算法研发
你将负责探索前沿技术，参与模型从数据建设、预训练到优化的全流程工作，致力于提升视频内容理解与生成相关任务的算法性能
最低要求
面向2027届海内外本硕博毕业生（2026年9月-2027年8月期间毕业）
具备多模态大模型的相关知识，熟悉VLM、video VLM以及长视频内容理解，了解主流的开源模型
熟悉VLM、video VLM的预训练、中训练、后训练等关键流程，具备数据处理、模型训练与评测的实践经验
有大模型训练框架，如DeepSpeed、Megatron、Verl、Swift等的使用经验
关注技术前沿，具备优秀的学习能力和自我驱动力
工作职责
探索视频多模态大模型的前沿技术，负责数据建设、模型训练与评测框架搭建
深入研究并实践视频多模态大模型的全套训练流程，包括pretraining、mid-training、SFT、RL、on-policy distillation等
跟踪并复现主流的开源视频多模态模型，进行前沿论文的调研、复现与创新
协助优化视频内容理解、dense video caption、视频生成/编辑中的用户意图理解等相关任务上的模型效果，持续提高算法的性能与效率
AI 洞察
优缺点分析
优点
- 处于视频AI与大模型最前沿的探索领域，技术成长天花板高
- 在B站这样的一线平台，能直接将技术应用于海量用户场景，影响力大
- 作为校招岗位，能系统性地获得大厂规范的技术培养和实战机会
- 技术难度极高，需要处理长视频、复杂意图理解等未充分解决的问题
- 校招竞争激烈，对候选人的论文、竞赛或项目背景有很高要求
缺点 / 挑战
- 研究型岗位要求持续跟进论文、复现模型，工作强度与学习压力大
- 适合对计算机视觉和自然语言处理交叉领域有浓厚兴趣、具备扎实理论基础与动手能力、渴望挑战AI技术前沿的应届毕业生
角色解读
- 可深入发展成为多模态大模型算法专家，引领特定方向的技术探索
- 可横向拓展至AGI、具身智能等更广阔的AI应用领域
- 在大型科技公司积累经验后，可向技术负责人或AI科学家路径发展
- 负责视频多模态大模型从数据处理、训练到评测的全流程研发
- 深入研究并实践大模型训练的前沿技术，如SFT、RL等
- 跟踪开源社区，复现最新论文并寻求创新点
- 优化视频理解与生成等具体任务的算法效果与性能
- 扎实的多模态大模型理论基础，特别是VLM和Video VLM
- 具备实际的大模型训练经验，熟悉训练、评测全周期
- 熟练使用至少一种主流大模型分布式训练框架（如DeepSpeed）
- 优秀的学习能力与技术追踪能力，能快速理解并复现前沿论文
申请策略
- 仔细研究B站的产品和内容生态，思考视频多模态技术能如何为其业务赋能
- 在简历或面试中，尝试将你的研究兴趣与该岗位职责（如dense video caption）建立联系
- 重点突出与多模态、大模型相关的科研项目、竞赛或论文成果
- 清晰列出使用过的训练框架（如DeepSpeed、Megatron）及解决的具体问题
- 展示对视频理解或生成领域内知名开源模型（如VideoLLaMA、InternVideo）的了解与实践
- 系统学习视频多模态大模型的主流架构与训练范式
- 深入掌握至少一个分布式训练框架的原理与调优技巧
- 尝试复现1-2篇近一年的顶会视频多模态论文，并撰写技术博客
面试指南
- 采用‘总-分-总’结构：先概述模型整体，再分点讲解数据、模型架构、训练策略，最后总结优缺点
- 结合具体论文或项目经验，使用STAR法则（情境、任务、行动、结果）来阐述
- 体现问题解决能力：从分析难点出发，提出尝试过或设想的解决方案，并进行对比
- 请介绍一个你最熟悉的视频多模态大模型，并解释其核心模块与训练流程
- 如果让你复现一篇最新的Video VLM论文，你的步骤和可能遇到的难点是什么？
- 在长视频理解任务中，如何处理计算资源与模型效果之间的平衡？
- 你认为当前视频多模态模型在理解复杂用户意图方面，主要瓶颈在哪里？
- 准备1-2个你亲自复现或改进过的视频多模态模型的详细案例，能清晰讲解其中的技术选择
职位点评
薪资福利65
成长发展85
工作生活50
使命价值70
薪资福利
65中等
作为已上市大型科技公司的校招岗位，薪资福利体系应较为完善，但JD未明确薪资数字。
薪资信号未披露（AI估算：12K-25K/月）
成长发展
85较高
岗位聚焦于AI最前沿的视频多模态大模型，技术成长价值极高，但要求学习能力强、能承受技术攻坚压力。
技术前沿前沿/新兴技术
技术栈VLM、video VLM、多模态大模型、DeepSpeed、Megatron
业务类型profit_center
工作生活
50较低
JD未明确办公模式与工作时间，但作为技术研发岗位且涉及前沿探索，可能有一定工作强度。
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
70中等
推动视频理解与生成技术的进步，对提升内容平台的体验有直接价值，技术影响力明确。
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