千问事业部-广告营销创意AIGC算法工程师（图像、视频方向）-北京

优缺点分析

角色解读

• 纵向可深耕AIGC算法专家路线，成为多模态生成或AI Agent领域的顶尖技术专家
• 横向可向AI产品技术负责人或算法团队管理方向发展，统筹大型AI项目的研发与落地
• 研究并落地多模态大模型、图像与视频生成等前沿AIGC技术，推动算法在实际广告营销产品中的迭代
• 设计并构建端到端的AI Agent系统，实现创意生产流程的智能化与自动化
• 负责图文与视频营销素材的智能生成方案，进行多模态内容理解与效果分析，支撑业务增长
• 扎实的深度学习基础，熟练掌握PyTorch框架与Python开发，能独立设计复杂模型
• 深入理解Diffusion Model、VAE、Flow Matching等生成式模型，具备文生图、视频生成等实际项目经验
• 熟悉LLM/MLLM技术体系及AI Agent开发，具备系统设计与工程化落地能力

申请策略

• 提前了解阿里千问事业部在广告营销或电商创意领域的最新产品动态，准备针对性的技术落地思考
• 重点突出在Diffusion Model、视频生成或LLM/MLLM方向的实际项目经验及优化成果
• 展示AI Agent系统的设计与开发经历，强调工具调用、任务编排等工程化落地能力
• 量化过往项目对业务增长的贡献，如生成效率提升、素材点击率提高等具体指标
• 深入学习Flow Matching、Rectified Flow等最新生成模型理论，提升在图像/视频生成领域的理论深度
• 补充AI Agent架构设计、强化学习或复杂任务编排相关的工程实践经验

面试指南

• STAR法则：针对项目经验问题，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化回答，突出个人贡献与量化收益
• 架构拆解法：针对系统设计问题，从需求分析、模块划分、核心算法选型、工程优化到最终部署，层层递进展示系统性思维
• 请详细介绍你过往在Diffusion Model或视频生成方向的项目，遇到了哪些技术难点，是如何解决的？
• 在设计端到端AI Agent系统时，你是如何进行工具调用和任务编排的？如何保证系统的稳定性和效率？
• 针对广告营销场景，如何提升AIGC生成内容的可控性、一致性和商业转化率？
• 请谈谈你对多模态大模型（MLLM）未来发展趋势的看法，以及它在创意生成中的应用潜力
• 复习并总结自己在生成式模型（如Diffusion、VAE）和LLM/Agent方面的核心代码实现与调优经验
• 体验并分析市面上主流的AIGC广告营销产品，思考其背后的技术实现逻辑及可优化空间