AI原生应用-视频理解和生成算法工程师-杭州/北京

优缺点分析

角色解读

• 从算法工程师成长为多模态/AIGC领域的技术专家，主导核心业务域模型的研发
• 依托团队浓厚的学术氛围，参与顶会论文发表与开源项目，提升行业技术影响力
• 向核心业务架构师或AI技术团队负责人方向发展，统筹技术战略与业务落地
• 研发视频生成与多模态理解算法，支持电商内容生产、搜索推荐、广告外投等核心业务场景
• 开发视频创作Agent，结合大模型与多模态能力，打造面向真实业务需求的智能创作系统
• 优化模型效果、推理效率与部署成本，推动前沿AIGC技术从研究走向大规模线上应用
• 扎实的深度学习基础，熟练掌握 Transformer、Diffusion、VAE、LLM 等多模态主流模型架构
• 在视频/图像生成、多模态理解或 LLM&Agent 方向具备丰富的实践或学术研究经验
• 具备将前沿算法与业务目标深度结合的能力，能够平衡模型效果与推理部署成本

申请策略

• 了解淘天集团在AIGC及电商内容生成方面的最新产品动态，在面试中展现对业务场景的深刻理解与技术洞察
• 突出在视频生成、多模态理解或LLM&Agent方向的具体项目经验、技术难点攻克及业务收益
• 展示顶会论文发表记录、知名开源项目贡献或相关领域的学术研究成果
• 强调将前沿算法与业务指标结合并成功实现大规模落地的实际案例
• 深入学习Diffusion模型、多模态大模型及Agent架构的最新进展与底层原理
• 提升模型推理加速、量化压缩与部署优化的工程落地能力

面试指南

• 采用STAR法则描述项目经历，重点突出技术选型、难点攻克过程及最终的业务收益指标
• 采用“理论分析+实验对比+工程优化”的结构化思路回答模型效果与成本优化问题
• 结合具体业务痛点，从系统架构、交互逻辑、模型调用链路等维度阐述Agent设计方案
• 请详细介绍你在视频生成或多模态理解方向做过的最成功的项目，遇到了哪些技术难点及解决方案？
• 在电商场景下，如何平衡视频生成模型的效果、推理效率与部署成本？
• 结合大模型与多模态能力打造视频创作Agent时，你的系统架构设计思路是什么？
• 请分享一篇你最近关注的多模态/视频生成领域的顶会论文，并谈谈你的理解与改进思路
• 复习Transformer、Diffusion、VAE等核心模型原理及最新变体，确保底层逻辑清晰