阿里巴巴
研究型实习生-视频生成中算法与系统相结合的优化研究
研究型实习生-视频生成中算法与系统相结合的优化研究
发布于 1 天前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Cuda
Pytorch
大模型推理加速
扩散模型
模型压缩
计算机视觉
值不值得投
70综合评分
综合评分 70
顶尖AI算法研究实习，技术栈前沿、成长空间广阔，但科研压力大、WLB一般
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
1.2万
比机器学习工程中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 3670 个在招 · 其中机器学习工程 约 200 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 540 个在招
职位详情
关于这个职位
该职位为阿里巴巴北京的研究型实习生岗位，主要负责文生视频模型的推理与训练加速技术
需深入研究主流模型架构瓶颈，探索高效算法与系统级优化方案，并致力于在顶级AI会议发表论文，解决高昂计算成本与长生成时间问题
最低要求
计算机科学、人工智能、电子工程或相关专业硕士及以上学历，博士优先
扎实的深度学习与计算机视觉基础，熟悉扩散模型、Transformer、生成式AI等核心技术
在文生图或文生视频领域有实际研究或项目经验，了解主流模型架构（如 Wanx、CogVideo等）
精通 PyTorch 框架，具备良好的代码工程能力
具备优秀的科研创新能力、问题抽象能力与跨团队协作精神
工作职责
前沿算法研究与创新：
(1) 深入研究当前主流文生视频模型（如Wanx、CogVideo等）的架构，定位其在计算、内存及I/O上的核心瓶颈
(2) 探索并设计全新的高效模型架构，将MoE、Sparse Attention等先进思想引入Diffusion Transformer，研究少步/单步生成技术
(3) 深入研究时空表征冗余消除技术，突破时空 Token 的同质化计算瓶颈
研发自适应缓存与特征复用机制，达成推理速度与视觉生成质量的最优平衡
系统级优化与实现：
(1) 设计并实现高性能的自定义CUDA/Triton核函数，以支持不规则稀疏计算模式或新型算子
(2) 利用量化、剪枝、蒸馏等模型压缩技术，在保持生成质量的同时，大幅缩减模型尺寸和计算量
(3) 研究适用于高分辨率、超长视频生成的计算与内存优化技术
学术与技术影响力：
（1）将研究成果发表在顶级AI会议，构建团队的行业影响力
（2）跟踪并分析业界最新的技术动态，确保我们的研究方向始终保持领先
优先资格
在 NeurIPS / ICML / CVPR / ICLR 等顶级会议发表过相关论文者优先
AI 洞察
优缺点分析
优点
- 接触最前沿的文生视频与大模型加速技术，技术栈极具前瞻性
- 依托头部平台资源，拥有充足的算力支持与工业级数据场景
- 顶会论文产出导向明确，利于学术与工业界双重背书
- 算法与系统双轨并行，对底层硬件理解与上层模型设计均有极高要求
- 竞争环境激烈，需持续跟进国际最新文献与开源项目
- 适合计算机/AI相关专业硕博在读，热爱科研且具备扎实编程与数学基础的求职者
缺点 / 挑战
- 研究周期长且结果不确定性高，需承受较强的科研压力
角色解读
- 可向大模型系统架构师或AI算法科学家方向发展
- 积累顶会发表与工业界落地经验后，可晋升为核心研究员或技术负责人
- 长期发展可覆盖AIGC底层基础设施与通用AI优化领域
- 负责文生视频大模型的推理与训练加速算法研究，定位计算与内存瓶颈
- 设计并实现高效的模型架构优化与底层CUDA/Triton算子开发
- 追踪前沿技术并产出顶会论文，推动团队技术落地
- 扎实的深度学习与计算机视觉理论基础，精通PyTorch框架
- 掌握扩散模型、Transformer架构及模型压缩/量化技术
- 具备自定义CUDA核函数开发与高性能计算优化能力
申请策略
- 提前准备技术博客或GitHub仓库展示代码能力
- 面试前梳理个人研究项目的痛点、方案设计与实验对比，体现严谨的科研思维
- 关注通义实验室近期技术动态
- 突出顶会论文发表记录、开源项目贡献或相关竞赛奖项
- 详细列出参与过的模型训练/推理加速项目，量化性能提升指标
- 强调PyTorch与CUDA开发经验及具体优化成果
- 深入研读Diffusion Transformer与MoE架构最新论文，动手复现经典加速方案
- 强化CUDA/Triton编程能力，熟悉显存管理与算子融合技巧
面试指南
- 采用STAR法则结构化阐述项目背景、技术选型、实施细节与最终收益
- 针对算法题，先讲清数学原理与复杂度分析，再结合硬件特性说明优化策略
- 遇到盲区坦诚说明边界，并展示快速学习与推导能力
- 请详细介绍你过去在模型压缩或推理加速方面的具体实践与性能优化指标？
- 如何设计一个针对Diffusion Transformer的稀疏注意力机制？
- CUDA核函数编写中如何解决内存带宽瓶颈？
- 复习深度学习基础理论与计算机体系结构知识，重点掌握显存优化与算子调度机制
- 整理过往科研项目的完整技术文档与实验数据
职位点评
薪资福利70
成长发展95
工作生活40
使命价值85
薪资福利
70中等
薪资处于互联网大厂实习市场中上水平，但作为研究型实习岗，福利侧重科研资源而非传统薪酬包。
薪资信号未披露（AI估算：8.0千–1.5万/月）
成长发展
95较高
极度契合高潜人才的成长需求，提供顶会发表通道、前沿技术探索与工业级算力支持，职业天花板高。
技术前沿前沿/新兴技术
技术栈PyTorch、CUDA、Triton、扩散模型、Transformer、MoE、模型压缩
成长机会将研究成果发表在顶级AI会议、跟踪并分析业界最新的技术动态
业务类型ambiguous
工作生活
40较低
研究型岗位通常伴随高强度的实验迭代与论文截稿压力，JD未提及弹性工时或远程选项，整体工作节奏偏紧凑。
工作模式未明确
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
聚焦AIGC核心瓶颈突破，直接推动生成式视频技术商业化落地，具有显著的行业引领价值与技术使命感。
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
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs