阿里巴巴
ATH事业群-视频生成算法专家-北京/杭州
ATH事业群-视频生成算法专家-北京/杭州
发布于 大约 8 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Aigc
Pytorch
Rlhf
Sft
多模态大模型
视频生成
阿里云
值不值得投
79综合评分
综合评分 79
阿里云AIGC视频生成专家，前沿技术、高薪高成长，但WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
55K
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 1820 个在招 · 其中人工智能 约 120 个
市场机会
选择面较广
杭州 · 人工智能 · 约 130 个在招
职位详情
关于这个职位
该职位负责阿里云MaaS平台视频生成核心算法研发，聚焦AIGC视频创作，涉及视频生成模型后训练、视频创作智能体研发及生成质量评估体系建设
你将依托多模态大模型、图像/视频生成模型及Agent等前沿技术，赋能短剧、互动娱乐、电商广告等业务场景，推动下一代智能化视频创作平台落地
最低要求
硕士及以上学历，计算机、人工智能、数学等相关专业
具备深厚的机器学习、计算机视觉或计算机图形学基础
具备优秀的编程能力与数据结构基础，熟练掌握 Python/C++ 及 PyTorch 等主流深度学习框架
拥抱 AI 时代开发模式，熟练使用 AI 辅助编程工具以提升研发效率
具有图像/视频生成、多模态理解、智能体相关项目经历或学术背景
熟悉大模型结构设计、训练优化、强化学习、Agent 编排或自进化等技术
工作职责
视频生成模型后训练：基于Wan/HappyHorse系列模型进行精调与优化，负责高质量视频数据的清洗与标注体系建设，通过SFT与RLHF提升模型在特定业务场景下的生成表现
视频创作智能体：研发基于大模型的视频创作工作流智能体，实现“脚本策划-分镜生成-角色一致性控制-视频渲染”的全链路自动化
探索长视频生成的逻辑连贯性与复杂指令遵循，提升多模态模型在视频创作中的自主工具调用与“评价-反思-优化”闭环能力
生成质量评估体系：构建多维度的视频生成评估框架，结合客观指标与基于大模型的多模态内容评估，建立基于Agent架构的自主化、动态化评测机制，高效驱动模型迭代
优先资格
在CVPR, ICCV, SIGGRAPH, NeurIPS, ICLR等国际顶会发表过多模态生成/理解或Agent相关论文者优先
在权威图像/视频生成、多模态评测榜单中取得优异成绩，或在开源社区（如HuggingFace, GitHub）有高星项目贡献者优先
AI 洞察
优缺点分析
优点
- 依托阿里云平台，拥有海量数据和强大算力资源，能接触业界领先的Wan/HappyHorse系列模型
- 业务场景丰富，覆盖短剧、互动娱乐、电商广告等，技术落地价值高
- 技术难度高，对算法和工程能力要求极高，需要持续学习和探索
- 大模型研发节奏快，工作强度可能较大，需要适应快速迭代的研发环境
- 岗位竞争激烈，需要具备扎实的学术背景和项目经验才能脱颖而出
- 适合对AIGC视频生成有浓厚兴趣，具备深厚算法功底和自驱力，希望在技术前沿领域深耕的资深算法工程师
缺点 / 挑战
- 处于AIGC视频生成赛道的最前沿，技术挑战大，个人成长空间广阔
角色解读
- 在阿里云MaaS平台，可深入AIGC前沿技术，成为视频生成领域的专家，并有机会向技术架构师或团队负责人方向发展
- 可参与国际顶会论文发表和开源社区贡献，提升个人在行业内的技术影响力
- 随着AIGC业务在短剧、电商等场景的落地，可向业务技术负责人或产品技术专家方向转型
- 负责视频生成模型的后训练与优化，包括数据清洗、标注体系构建，以及通过SFT和RLHF提升模型在具体业务场景中的生成效果
- 研发视频创作智能体，实现从脚本策划到视频渲染的全链路自动化，并探索长视频生成的逻辑连贯性和复杂指令遵循能力
- 构建多维度的视频生成质量评估体系，结合客观指标和基于大模型的多模态评估，建立自主化、动态化的评测机制，驱动模型迭代
- 扎实的机器学习、计算机视觉或计算机图形学基础，硕士及以上学历
- 优秀的编程能力，熟练掌握Python/C++及PyTorch等深度学习框架，并熟练使用AI辅助编程工具
- 有图像/视频生成、多模态理解或智能体相关项目经验，熟悉大模型结构设计、训练优化、强化学习、Agent编排等技术
申请策略
- 在简历中明确体现对AIGC视频创作场景的理解，如短剧、电商广告等
- 关注阿里云招聘官网和内部推荐渠道，了解团队技术方向，可针对性准备
- 突出在视频生成、多模态理解或Agent方向的学术论文或项目成果，尤其是顶会论文
- 详细描述在SFT、RLHF、模型精调等方向的实践经验，量化模型性能提升指标
- 展示在开源社区（如HuggingFace、GitHub）的高星项目贡献，体现技术影响力
- 深入理解Wan、HappyHorse等主流视频生成模型的架构和训练细节
- 补充强化学习（RLHF）和Agent编排相关的知识，并动手实践
- 熟悉阿里云相关产品，了解MaaS平台的技术栈
面试指南
- 采用STAR法则（情境-任务-行动-结果）回答项目经历，突出个人贡献和技术难点
- 结合业务场景思考技术方案，体现对业务的理解和技术的落地能力
- 回答技术问题时，先阐述核心原理，再结合实践经验，最后提出优化思路
- 请详细介绍一下你参与过的视频生成或图像生成项目，包括模型架构、训练策略和最终效果
- 如何设计一个针对特定业务场景（如短剧）的视频生成模型的后训练方案？
- 谈谈你对RLHF在视频生成模型中的应用和挑战的理解
- 如何构建一个视频生成质量的自动化评估体系？
- 请描述一个你使用Agent技术解决复杂任务的案例
职位点评
薪资福利80
成长发展95
工作生活50
使命价值85
薪资福利
80较高
阿里巴巴作为上市公司，薪资待遇在行业内具有竞争力，福利体系完善。该岗位为专家级，薪资水平较高，但具体薪资需面议。
薪资信号面议 (40K-70K/月)
成长发展
95较高
该职位处于AIGC视频生成的最前沿，技术挑战大，成长空间广阔。涉及多模态大模型、Agent等新兴技术，能快速提升个人技术实力和行业影响力。
技术前沿前沿/新兴技术
技术栈视频生成、多模态大模型、SFT、RLHF、Agent、PyTorch、AIGC
业务类型profit_center
工作生活
50较低
职位要求在北京或杭州工作，未提及远程或弹性办公，工作地点为现场办公。大厂核心研发岗位通常工作强度较大，WLB一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
AIGC视频生成是当前高速增长的赛道，该职位致力于构建行业领先的视频创作平台，赋能短剧、电商等业务，具有较高的行业价值和技术创新意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs