# 混元视频感知与理解算法研究员（北京/上海）(深圳)

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 腾讯 (Stage unknown)
- Locations: 北京
- Role: Algorithm
- Apply on the official site: https://careers.tencent.com/jobdesc.html?postId=2092149612814184448

## Role description from source

1.主导视频能力建设：负责多模态大语言模型（VLM）的视频感知与理解能力研发，围绕视频数据、训练方法与评测体系开展系统性建设，持续提升模型对动态视觉世界的理解能力与能力上限；
2.攻坚视频基础理解：聚焦视频中的时序、运动、事件、行为及空间关系等核心能力，提升模型对复杂动态场景、细粒度视觉信息及长程上下文的感知和理解能力；
3.提升复杂视频推理：探索面向视频场景的多步推理、时空推理、因果推理及组合推理能力，研究视频信息与大语言模型推理能力的深度融合，提升模型解决复杂视频任务的泛化能力；
4.建设视频评测与数据飞轮：建立系统化的视频能力评测体系，持续分析模型能力边界与核心 Badcase，形成“评测—数据—训练—验证”的研发闭环，驱动模型能力持续迭代；
5.推进视频全流程研发：负责视频方向的 预训练、中训练、后训练的数据生产，开展SFT、强化学习等后训练算法研发，建设高质量视频训练数据及自动化数据生产流程，探索更高效的视频能力学习与对齐方法。
职位要求
1.计算机视觉、人工智能、机器学习等相关方向硕士及以上学历，具备扎实的深度学习基础；
2.在视频理解、多模态大模型、视觉语言模型或相关方向具有研究或研发经验；
3.熟悉 Transformer、LLM、VLM 等模型架构，对多模态模型训练及后训练方法有较深入理解；
4.具备较强的算法研究、实验分析与工程实现能力，能够独立推动研究问题从定义到落地；
5.对多模态基础模型及视频智能方向有强烈兴趣，具备持续探索前沿问题的研究热情。
工作年限（官方顶部字段）
三年以上工作经验
官方重要事项
1.有大规模 VLM / Video-LMM 训练或后训练经验；
2.有 SFT、RLHF、PPO、GRPO 等强化学习或大模型对齐经验；
3.在 CVPR、ICCV、ECCV、NeurIPS、ICLR、ACL、EMNLP 等顶级会议发表过相关工作；
4.有高质量开源项目、大规模视频数据建设或多模态评测体系经验；
5.有 Agentic Vision、长视频理解或多模态复杂推理相关研究经验。

---
opening_id: 568f238e-a43b-4a43-bfeb-5642f35dc092

`anm openings save --id 568f238e-a43b-4a43-bfeb-5642f35dc092`