昆仑万维
2050-交互视频生成算法实习生
2050-交互视频生成算法实习生
发布于 大约 19 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
硕士
研究与开发 (研发)
Cv
Diffusion
Pytorch
Vae
多模态生成
时序一致性
视频生成
Consistency Model
动作驱动
AI 估算 · 4k–8k
实习生岗位，薪资根据公司规模和市场水平，北京地区算法实习生月薪约4000-8000元。
职位详情
关于这个职位
作为交互视频生成算法实习生，你将参与前沿的视频生成模型研究与开发，包括Diffusion、Transformer等架构，负责时序一致性建模、动作驱动等核心算法
工作涉及大规模模型训练优化与推理加速，并有机会将成果落地到实际产品中，同时支持技术分享与论文发表
最低要求
计算机视觉、人工智能、机器学习、电子信息、数学等相关专业硕士及以上学历
有视频生成、动作合成、视频理解与编辑、多模态生成等方向的项目经验或论文成果
熟悉至少一种深度学习框架（如PyTorch），具备扎实的算法实现能力
工作职责
负责交互式视频生成方向的核心算法设计与研发，包括时序一致性建模、动作驱动等
研究并实现前沿的视频生成模型，如基于Diffusion、Transformer、VAE等架构的视频生成、编辑和增强
研究大规模diffusion生成模型的训练与优化，推理加速
Consistency model的研究，few-step sample研究等
跟踪学术前沿技术，推动技术成果在实际产品和项目中的落地
支持团队在可控视频领域的技术分享、代码开源、论文发表等工作
优先资格
基于Diffusion或Transformer的视频生成模型（如CogvideoX、HunyuanVideo、Wan等）
条件生成：Text-to-Video、Image-to-Video、Motion-to-Video
视频编辑与重定向、场景风格化、视频一致性建模与长视频生成
有国际顶会论文（CVPR/ICCV/ECCV/NeurIPS/ICLR/SIGGRAPH等）或优秀开源项目经验者优先
AI 洞察
优缺点分析
优点
- 身处AI视频生成这一最热门赛道，技术前沿性强，积累宝贵经验
- 上市公司平台资源丰富，有机会参与实际产品落地，提升工程能力
- 团队支持论文发表和开源贡献，对个人学术和职业发展助力大
- 视频生成领域竞争激烈，需要持续跟踪最新论文并保持技术敏锐度
- 大规模模型训练可能涉及长时间实验调试，需耐心与细心
- 适合对视频生成和计算机视觉充满热情、有扎实深度学习基础、追求前沿技术并希望在学术界或工业界深耕的研究型实习者
缺点 / 挑战
- 实习生需快速上手复杂模型，对自学能力和抗压能力要求较高
角色解读
- 从实习生成长为视频生成领域的算法工程师，参与核心产品研发
- 深入攻克时序一致性、长视频生成等难题，成为团队技术骨干
- 积累经验后转向技术负责人或研究员方向，领导前沿算法创新
- 设计并实现交互式视频生成的核心算法，包括时序一致性建模和动作驱动等关键技术
- 研究和开发基于Diffusion、Transformer等架构的视频生成、编辑和增强模型
- 参与大规模生成模型的训练优化与推理加速，探索Consistency Model等前沿技术
- 跟踪学术界最新进展，推动技术成果落地并支持团队的技术分享与论文发表
- 扎实的深度学习基础，熟悉PyTorch等框架，具备良好的算法实现能力
- 对视频生成、动作合成、多模态生成等领域有项目经验或研究成果
- 了解Diffusion模型、Transformer架构以及VAE等生成模型的原理和应用
- 具备英文文献阅读和技术追踪能力，有顶会论文或开源项目经验者更佳
申请策略
- 关注昆仑万维的AI研究方向和产品布局，在面试中展现与其技术路线的契合点
- 准备好一个技术案例，展示你从论文阅读到算法复现或改进的完整过程
- 突出视频生成、多模态或扩散模型相关的项目经验，最好有量化成果或demo
- 详细描述你在PyTorch等框架下的算法实现能力，如模型训练、调优过程
- 强调顶会论文或知名开源项目贡献，这是重要的加分项
- 展示对前沿技术的跟踪能力，如列出你熟悉的最新模型（CogVideo、HunyuanVideo等）
- 系统学习Diffusion模型原理，动手实现一个简易的视频生成demo
- 熟悉Transformer架构在视频领域的应用，如TimeSformer、VideoGPT等
面试指南
- 回答项目问题时，遵循STAR原则：情境-任务-行动-结果，突出你的贡献和技术难点
- 对于模型原理问题，先简述核心思想，再结合公式或流程图说明，展现深入理解
- 对于开放性问题，提供多种思路并比较优劣，展示你的批判性思维和知识广度
- 请介绍一个你参与的视频生成或相关项目，包括技术挑战和解决方案
- Diffusion模型的训练原理是什么？如何加速采样？
- 如何处理视频生成中的时序一致性问题？请举例说明
- 你如何看待Text-to-Video和Image-to-Video的区别与联系？
- 你是否有阅读并复现过某篇顶会论文的经历？请详细说明
职位点评
72
综合评分
前沿技术、强学习导向的算法实习，适合重发展轻WLB的研究型人才。
更适合这类人
该职位最适合追求技术成长和学术成果、愿意投入时间学习前沿算法的求职者。
表现最好
成长发展
相对薄弱
工作生活
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，薪资水平中等，但上市公司福利较为规范，整体补偿性一般。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
95较高
该职位聚焦前沿视频生成技术，有大量学习机会和发表论文支持，发展性极强。
技术前沿前沿/新兴技术
技术栈Diffusion、Transformer、VAE、视频生成、Consistency Model
成长机会技术分享、代码开源、论文发表
业务类型ambiguous
工作生活
50较低
实习生通常需要现场办公，工作时间按项目节奏，灵活性一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
AI视频生成在影视、游戏等行业有广泛应用前景，工作本身带有较强的创造性和社会价值。
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
昆仑万维 的其他在招职位
相似职位推荐
Watch Jobs