腾讯 – 视频生成模型算法研究员 职位分析和面试指导

职位简介：

作为腾讯CSIG的视频生成模型算法研究员，你将负责视频生成模型后训练的研究工作，包括运用SFT、DPO技术提升生成质量，通过模型蒸馏降低推理耗时，并针对不同场景构建优化数据集。同时需要持续跟进视频模型和强化学习领域的前沿成果，推动创新方案落地。该职位要求计算机科学或相关领域硕士以上学历，熟悉图像/视频生成原理及主流模型，具备实战经验者优先。需要熟练掌握Python和PyTorch，顶级编程竞赛获奖或开源项目影响力将成为显著优势。此外，我们期待你拥有强大的自驱力、问题解决能力和挑战精神。工作地点位于上海。

>> 在腾讯官网查看完整职位详情。

简历及面试建议：

在准备腾讯视频生成算法研究员的简历时，你需要突出三个核心维度：技术深度、学术影响力和工程能力。技术层面务必详细列出你参与过的视频生成相关项目，特别是涉及后训练技术（如SFT/DPO）或模型蒸馏的具体工作，量化模型性能提升指标（如FID分数改善30%）。若有过强化学习在生成任务中的应用经验，要单独设立模块强调。学术方面，将CVPR等顶会论文放在显眼位置，注明你的贡献度和创新点，即使是非一作论文也要写明具体工作内容。工程能力展示可以分两部分：编程竞赛奖项（如ACM区域赛金牌）要放在教育背景附近；GitHub项目需标注star数和实际应用场景，特别是与PyTorch框架相关的视频处理工具库。最后用『技术亮点』专栏浓缩你的独特价值，比如『开发了首个基于DPO的短视频生成优化方案』这样的突破性成果。

面试时将面临技术深度和业务落地能力的双重考察。技术环节预计会有45分钟左右的代码白板测试，可能要求现场实现一个视频生成模型的蒸馏模块，建议提前刷PyTorch的模型压缩相关题库。系统设计部分要准备视频生成pipeline的完整架构图，重点说明你在后训练阶段的技术选型逻辑。研究能力评估会围绕你的论文展开，需要能清晰解释methodology的创新性及其业务价值，建议用『学术三分钟』公式：问题定义->现有方案缺陷->你的解法->实验结果。业务场景题可能涉及『如何用强化学习优化短视频平台的生成质量』这类开放问题，回答时要展现用户思维，先明确核心指标（如完播率），再提出可落地的技术方案。最后1-2个问题必然会考察技术热情，准备一个你攻克过的具体技术难题故事，用STAR法则呈现你的解决过程和创新点。