视频生成模型工程师-Agentic视频生成

优缺点分析

角色解读

• 技术专家路线：深耕视频生成与Agent领域，成为该方向的技术权威，主导核心算法创新
• 研究负责人路线：带领小团队攻关技术难题，将研究成果与业务深度结合，推动产品化落地
• 向更广泛的AI系统设计发展：积累Agent架构经验后，可拓展至更通用的具身智能或多模态智能体系统
• 设计和实现基于Agent的视频生成系统架构，使AI能自主完成从剧本理解到分镜生成的复杂创作流程
• 研发提升长视频生成质量与一致性的核心算法，如多镜头角色一致性控制、时空稳定性增强等
• 构建和优化视频Agent的评测体系，通过自动化测试驱动模型迭代，提升商业场景下的生成可用性
• 需要扎实的深度学习与计算机视觉基础，精通扩散模型、多模态大模型（LLM/MLLM）等视频生成前沿技术
• 具备优秀的代码工程能力，能熟练使用PyTorch等框架将算法高效落地
• 需要有后训练（SFT/RLHF/DPO）的实操经验，并能理解Agent工作流设计思想
• 具备强大的科研与自驱力，能够跟踪前沿并产出高质量的研究成果（论文/专利）

申请策略

• 研究阿里巴巴在视频生成、AIGC领域的公开技术博客、论文和产品，理解其技术路线和业务重点
• 在申请材料或面试中，可以结合具体业务场景（如短剧生成）阐述你对Agentic视频生成的理解和设想
• 重点突出在视频生成、扩散模型、多模态大模型或Agent相关的项目/研究经历，尤其是涉及后训练、长序列生成的成果
• 强调算法实现和工程落地能力，可以展示相关的开源项目、代码仓库或技术博客
• 如有发表过相关领域的顶会论文（CVPR/NeurIPS/ICLR等），务必在简历中显著位置列出
• 深入学习视频生成领域的最新技术，特别是DiT、一致性模型、长视频生成等方向
• 实践主流的Agent框架（如LangChain等）与强化学习后训练（RLHF/DPO）流程
• 关注并复现顶尖的视频生成开源项目（如Sora相关复现），理解其系统架构

面试指南

• 对于技术演进类问题，可从“理解-规划-执行-反思”的闭环角度阐述，并结合具体技术（如LLM规划、Diffusion执行）举例
• 对于系统设计类问题，可采用“问题定义-技术选型-系统架构-关键优化点-评估指标”的框架进行结构化回答
• 对于项目经验类问题，遵循STAR原则，重点突出你在其中的技术决策、遇到的挑战及量化成果
• 你如何理解从“单点工具”到“自主系统”的视频生成技术演进？Agentic的核心是什么？
• 在多镜头一致性控制方面，有哪些技术挑战？你认为基于Agent上下文记忆的方法相比传统方法有何优势？
• 如何设计一个视频Agent的评测体系？你会关注哪些核心维度？
• 请描述一个你经历过的、涉及视频生成或复杂AI系统开发的项目，遇到了什么困难，如何解决的？
• 如果让你负责一个视频Agent的分镜规划模块，你会如何设计其核心组件（如记忆、反思机制）？