Agentic 多模态生成算法研究-阿里星/Bravo Star

优缺点分析

角色解读

• 作为阿里星/Bravo Star，将获得顶级资源与导师支持，快速成长为领域专家
• 在Agentic多模态生成这一前沿方向深耕，有机会成为团队技术负责人或首席科学家
• 未来可向技术管理或资深专家方向发展，主导核心算法研究与业务落地
• 负责Agentic图像生成预训练研究，探索基于Agent场景的图像生成能力，包括构建RL Reward Model、统一建模设计、多模态联合训练
• 搭建高可用、可扩展的视频生成能力，优化Agentic视频生成效果，实现端到端的长视频生成
• 探索3D、数字人、音频等能力在Agent场景下的应用，推动多模态生成技术的前沿落地
• 在扩散模型、自回归模型、多模态生成与理解、计算机视觉、AIGC、计算机图形学等方向有深入研究积累
• 具备扎实的机器学习理论与基础算法功底，熟悉主流生成模型（Diffusion, DiT, VAR）的训练与优化
• 有大规模多模态训练或视频生成相关经验者优先，需要较强的工程实现能力和研究创新能力

申请策略

• 了解阿里巴巴在Agentic AI领域的最新布局与产品，展示对业务的深入理解
• 准备充分的项目案例，突出技术深度和创新性
• 突出在扩散模型、自回归模型等生成模型方面的研究成果，如顶会论文、开源项目
• 强调大规模多模态训练或视频生成的实际经验，展示工程落地能力
• 展示扎实的机器学习理论基础，如数学推导、算法优化能力
• 如有Agent、强化学习相关经验，务必重点突出
• 深入学习Diffusion、DiT、VAR等主流生成模型的最新论文与代码实现
• 补充强化学习（RL）知识，特别是RLHF、Reward Model构建

面试指南

• 对于技术问题，采用STAR法则：情境、任务、行动、结果，清晰展示你的思考过程
• 对于开放性问题，结合行业趋势和阿里业务，展示你的洞察力和创新思维
• 对于算法问题，先阐述基本原理，再结合具体场景进行优化，展示深度思考
• 请详细介绍一下你在扩散模型或自回归模型方面的研究经历和成果
• 如何设计一个用于Agentic图像生成的Reward Model？
• 在长视频生成中，如何解决一致性和计算效率的问题？
• 你如何看待多模态生成在Agent场景中的应用前景？
• 请描述一个你遇到的技术难题，并说明你是如何解决的