Alibaba logo
阿里巴巴
Token Foundry-多模态生成模型算法专家-万相Wan

Token Foundry-多模态生成模型算法专家-万相Wan

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 6.0–12.0万 · AI 参考估算
高级经验
硕士
全职员工仅现场办公AI算法
AI算法
Pytorch
Rlhf
Tensorflow
多模态生成
强化学习
扩散模型
自回归模型
视觉生成大模型
计算机视觉

值不值得投

76综合评分

综合评分 76

前沿多模态生成大模型研究岗,技术与使命驱动强,薪资福利和工作模式未披露。

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,方便横向比较。

薪资怎么样

9.0万

比AI算法中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 5160 个在招 · 其中AI算法 约 110 个

市场机会

选择面较广

杭州 · AI算法 · 约 120 个在招

职位详情

关于这个职位

该职位聚焦万相Wan多模态生成模型与世界模型研究,负责原生多模态预训练、图像/视频等生成效果优化,以及基于用户反馈的强化学习改进

适合希望在视觉生成大模型、扩散模型、自回归模型和RLHF等前沿方向做高影响力研究的算法人才

最低要求

计算机科学、人工智能、机器学习能等领域的博士/硕士毕业生,具备计算机视觉等领域的扎实理论基础

掌握机器学习和深度学习基础知识,熟悉常用视觉生成算法,熟悉Pytorch、Tensorflow等至少一种深度学习框架
具备良好的科研能力,有大规模视觉生成算法相关研究经历和具有影响力科研工作(高引论文、知名开源项目等)者优先,有成果发表在CVPR、ICCV、NeurIPS、ICLR、TPAMI等国际顶级会议、期刊者优先
对生成方向具有技术热情,具备视觉生成大模型研发经验,有对话系统、多模态生成等落地项目经验者优先
具备良好的技术洞察力和优秀的业务分析能力,能应对复杂的业务算法需求,能够与工程、产品等多学科团队紧密合作,推动研究成果快速落地并产生实际影响
关注技术影响力,具有开源开放精神,对基础模型的前沿问题有持续热情,有追求,渴望做出有极大影响力的工作

工作职责

负责原生多模态模型研究和开发,结合多模态能力(支持文本、图像、语音输入)实现复杂指令生成,包括但不限于文生图、图生图、文档生成、可控编辑等核心方向

负责图像生成模型效果优化,探索扩散模型、自回归模型结构和策略优化等核心技术课题
负责人类反馈与强化学习,聚焦于更加精细的RL算法设计,并基于万相用户反馈的RLHF图像生成质量提升

优先资格

具备良好的科研能力,有大规模视觉生成算法相关研究经历和具有影响力科研工作(高引论文、知名开源项目等)者优先,有成果发表在CVPR、ICCV、NeurIPS、ICLR、TPAMI等国际顶级会议、期刊者优先

对生成方向具有技术热情,具备视觉生成大模型研发经验,有对话系统、多模态生成等落地项目经验者优先

AI 洞察

优缺点分析

优点

  • 岗位处于多模态世界模型和生成式AI前沿方向,技术积累价值高
  • 工作内容覆盖原生多模态预训练、视觉生成和RLHF,能形成完整的大模型研发经验
  • 强调技术影响力和开源开放,适合希望产出高影响力论文、项目或开源成果的人
  • 与工程、产品团队协作,有机会看到研究成果快速落地并产生实际影响
  • 多模态生成、世界模型和RLHF方向技术复杂度高,需要持续跟进快速演进的前沿研究
  • 既要前沿研究又要业务落地,需要平衡长期探索与短期效果优化
  • 适合具备计算机视觉或机器学习科研背景、有高质量论文或开源项目经历,并希望在视觉生成大模型和RLHF方向做高影响力工作的算法人才

缺点 / 挑战

  • 要求博士/硕士背景和扎实科研能力,竞争门槛较高

角色解读

  • 可沿着多模态生成算法专家方向深入,成为视觉生成、世界模型或统一Tokenizer领域的核心研究者
  • 可拓展到基础模型架构设计、RLHF算法负责人或多模态大模型技术负责人角色
  • 长期可发展为技术专家、研究负责人或带团队的高级管理者,主导前沿模型研发路线
  • 研究并开发原生多模态生成模型,支持文本、图像、语音等输入,完成文生图、图生图、文档生成和可控编辑等任务
  • 优化图像生成模型效果,围绕扩散模型、自回归模型结构和策略优化开展核心技术攻关
  • 设计更精细的强化学习算法,利用万相用户反馈推进RLHF图像生成质量提升
  • 与工程、产品等团队协作,把多模态生成研究成果转化为实际产品能力与技术影响力
  • 需要扎实的计算机视觉、机器学习和深度学习基础,理解主流视觉生成算法与大模型训练范式
  • 需要熟练使用PyTorch、TensorFlow等深度学习框架,并具备大规模模型研发和实验迭代能力
  • 需要具备科研能力,能够跟进扩散模型、自回归生成、RLHF、多模态预训练等前沿方向
  • 需要较强的业务分析和跨团队协作能力,能将复杂业务需求转化为算法问题并推动落地

申请策略

  • 申请前梳理万相Wan相关公开资料,明确自己对文生图、图生图、可控编辑等方向的兴趣与理解
  • 面试中重点表达技术热情、长期研究追求和开源开放精神,与岗位强调的技术影响力匹配
  • 突出与视觉生成、多模态生成、扩散模型、自回归模型相关的研究或项目经历,说明具体贡献和技术方案
  • 列出在CVPR、ICCV、NeurIPS、ICLR、TPAMI等会议或期刊的论文,以及高引论文、知名开源项目等影响力证据
  • 强调大规模模型训练、效果优化、RLHF或用户反馈闭环经验,最好量化生成质量、稳定性或业务指标提升
  • 展示跨团队协作经历,说明如何与工程、产品等团队配合推动算法成果落地
  • 系统补齐多模态预训练、统一Tokenizer、理解-生成融合范式和世界模型相关基础知识
  • 强化扩散模型、自回归生成、RLHF策略优化等方向的论文复现和实验设计能力

面试指南

  • 项目类问题采用“背景目标—核心难点—方法设计—实验验证—业务结果—复盘改进”的结构,突出个人贡献
  • 技术类问题先讲原理和适用边界,再结合具体任务说明取舍依据,最后给出可落地的实验方案
  • 协作类问题用具体案例说明如何拆解需求、设定指标、推动跨团队对齐,并强调结果导向
  • 请介绍一个你主导的视觉生成或多模态生成项目,包括问题定义、方法设计、实验过程和最终效果
  • 扩散模型和自回归生成模型各自的优劣是什么?在图像生成任务中你会如何取舍?
  • 如何基于用户反馈设计RLHF流程,并提升图像生成质量?
  • 对统一Tokenizer或理解-生成融合范式有哪些理解?你认为未来世界模型的关键难点是什么?
  • 当算法研究目标与产品落地节奏冲突时,你会如何协调工程、产品团队推进?

职位点评

薪资福利78
成长发展92
工作生活45
使命价值86

薪资福利

78中等

JD未披露薪资与福利信息,但该岗位定位为多模态生成模型算法专家,职责和门槛均较高,通常对薪资动机有较好支撑。

薪资信号未披露(AI估算:6.0千–12.0万/月)

成长发展

92较高

岗位明确聚焦世界模型、原生多模态预训练、理解-生成融合、统一Tokenizer和人类反馈强化学习等前沿方向,发展性非常强。JD同时强调技术影响力、开源开放精神和研究成果落地,适合追求高影响力技术成长的人。

技术前沿前沿/新兴技术
技术栈多模态世界模型、原生多模态预训练、理解-生成融合范式、统一Tokenizer、人类反馈与强化学习、扩散模型、自回归模型、RLHF、PyTorch、TensorFlow
成长机会技术影响力、开源开放精神、前沿问题、推动研究成果快速落地并产生实际影响
业务类型ambiguous

工作生活

45较低

JD仅明确北京/杭州地点,未提及远程、弹性办公、双休或加班情况,因此生活化动机满足程度无法充分判断。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

86较高

JD将多模态世界模型描述为实现AGI的重要技术路径之一,并强调建立世界级技术影响力,意义感和技术使命感较强。

行业发展新兴领域(暂难判断)
社会影响正向社会影响力较高
使命信号实现通用人工智能(AGI)的重要技术路径之一、领先研究地位、世界级的技术影响力、产生实际影响
创新程度开拓性创新(行业首创)
Watch Jobs