算法工程师-跨模态理解与视频生成处理（T-Star Lab）

优缺点分析

角色解读

• 作为顶尖人才计划的一员，你将获得顶级导师指导和极具挑战的课题，快速成长为技术专家
• 在亿级业务场景中落地技术，积累工业级大模型研发经验，为未来成为技术领军人物打下基础
• 有机会在计算机视觉和AI领域的国际顶级会议或期刊上发表论文，提升学术影响力
• 研发文本到视频（T2V）基础模型，提升生成视频的画质、真实性和一致性，并优化视频生产效率
• 将通用大模型架构优化并迁移到垂直领域，探索AIGC驱动的视频增强与处理技术
• 研究基于AIGC的可控性编辑技术，实现精准的内容生成与修改，并应用于人脸、人体生成编辑，打造数字形象
• 在多模态视频理解领域进行技术创新，提升对视频内容的理解与分析能力
• 精通Diffusion模型及T2V基础模型原理，具备图像/视频生成或处理经验
• 熟练掌握C/C++、Java、Python等至少一门编程语言，具备卓越的工程实现能力
• 熟练使用PyTorch、TensorFlow等深度学习框架，具备扎实的深度学习基础
• 对AIGC领域充满热情，学习能力强，善于独立思考并持续优化

申请策略

• 在申请时，可以针对你感兴趣的技术方向（如T2V、可控编辑、多模态理解）准备一份详细的研究思路或想法，展示你的思考深度
• 了解淘天集团在电商场景下的AI应用，思考你的技术如何与业务结合，在面试中展现你的业务洞察力
• 突出在Diffusion模型、T2V、视频生成或处理方面的项目经验，详细描述你的技术方案和成果
• 强调你的工程能力，包括编程语言熟练度、深度学习框架使用经验，以及参与过的复杂系统开发
• 展示你的学术成果，如发表的论文、竞赛获奖，或在开源项目中的贡献
• 体现你的学习能力和对AIGC领域的热情，例如分享你关注的技术博客、复现的论文或独立完成的小项目
• 系统梳理Diffusion、T2V等生成模型的理论基础，并尝试复现相关论文
• 深入学习PyTorch等框架，并尝试实现一个简单的视频生成或编辑demo

面试指南

• 对于项目经验类问题，可以采用STAR法则（情境、任务、行动、结果）清晰描述，并突出你的个人贡献和思考
• 对于技术原理类问题，建议从基础概念出发，逐步深入，展示你的知识深度和逻辑性，并可以结合实际案例进行说明
• 对于开放性问题，可以结合你对行业趋势的理解和个人职业规划，展现你的思考深度和热情
• 请详细介绍一下你在Diffusion模型或视频生成方面的项目经验，包括技术选型、遇到的挑战和解决方案
• 如何评估一个T2V模型生成视频的质量？有哪些常用的评估指标？
• 在训练大模型时，如何解决显存不足的问题？请谈谈你了解的分布式训练策略
• 你对AIGC可控性编辑有什么理解？如何实现对人脸或人体的精准编辑？
• 为什么选择加入阿里巴巴T-Star计划？你对未来的职业发展有什么规划？