阿里巴巴
算法工程师- 跨模态理解与视频生成处理方向（T-Star Lab 日常实习）
算法工程师- 跨模态理解与视频生成处理方向（T-Star Lab 日常实习）
发布于 3 小时前实习/见习
实习生仅现场办公计算机视觉工程
计算机视觉工程
Aigc
Diffusion模型
Pytorch
T2V
Tensorflow
多模态大模型
视频生成
计算机视觉
值不值得投
82综合评分
综合评分 82
阿里T-Star顶尖实习项目，前沿AIGC技术栈，大牛导师带飞发Paper，技术成长拉满但工作模式未明确。
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
比计算机视觉工程中位数低
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 3140 个在招 · 其中计算机视觉工程 37 个
市场机会
选择面较广
杭州 · 计算机视觉工程 · 79 个在招
职位详情
关于这个职位
该职位是阿里巴巴T-Star Lab的日常实习岗位，主要致力于跨模态理解与视频生成处理方向的前沿AI技术探索
你将参与文生视频（T2V）、视频增强、人像美化及多模态视频理解等核心课题，利用亿级海量数据推动AIGC技术在业务场景中的落地
最低要求
本科及以上学历，计算机科学、人工智能、电子与通信等相关专业
面向2026年11月及以后的海内外高校在校生
精通Diffusion模型及相关技术，掌握T2V基础模型及相关技术原理，有图像/视频生成或处理相关经验
具备卓越的工程实现能力，熟练掌握C/C++、Java、Python等至少一门编程语言
熟练掌握深度学习框架，如TensorFlow、PyTorch
学习能力强，对新技术有敏锐的洞察力，对AIGC领域充满热情，善于独立思考并持续优化
良好的沟通能力和团队协作精神，乐于分享技术见解，善于与团队成员合作
工作职责
探索视频生成技术，开发文本到视频（T2V）基础模型的前沿技术，提升生成视频的画质、真实性、一致性以及视频生产效率
研发AIGC驱动的视频增强与处理技术，将通用大模型架构优化并迁移到垂直领域，推动下游应用性能突破
探索基于AIGC的可控性编辑，精准实现内容生成与修改，满足多样化业务需求
研发基于AIGC的人脸、人体生成编辑技术，打造具有高度交互性和真实性的数字形象
在多模态视频理解领域取得突破，通过技术创新提升视频内容的理解与分析能力
参与具体研究课题：【视频增强】基于文生视频（T2V）的跨模态高保真视频增强算法
【视频生成】聚焦跨模态可控视频生成与编辑，多模态指令驱动下视频合成，保持时序、主体身份一致性
【人像美化】基于大模型的妆容迁移、脸型/体型智能编辑以及人脸/人体美化
【跨模态理解】基于多模态大模型，处理视听协同感知、复杂语义一致性、崩坏识别、商品高光定位等high-level的音频、视频理解任务
优先资格
具有文本到视频（T2V）、AIGC内容编辑、多模态视频理解等相关领域的实习或项目经验
拥有百亿参数级别大模型训练经验，或具备超大规模数据集构建与管理经验
在计算机视觉和人工智能领域的国际顶级会议（CVPR, ICCV, ECCV, AAAI, NeurIPS等）或期刊（T-PAMI,T-IP等）发表论文，或在权威学术竞赛中获奖
AI 洞察
优缺点分析
优点
- 依托淘天集团亿级海量数据与丰富业务场景，能接触到工业界最前沿的AIGC课题与顶尖技术资源
- 有企业大牛与学术界名导双重指导，极大提升发顶会论文及实现项目落地的概率
- T-Star计划作为顶尖人才培养项目，能为后续转正或职业发展提供极高的平台背书
- 适合对AIGC、视频生成及多模态大模型有浓厚兴趣，具备扎实算法基础且有志于在顶会发表论文的顶尖高校在校生
缺点 / 挑战
- 课题极具挑战性，涉及百亿参数大模型训练与跨模态复杂技术，对理论基础和工程算力要求极高
- 需要在学术研究与业务落地之间寻找平衡，面临较高的技术攻坚与产出压力
角色解读
- 从日常实习研究员成长为AIGC领域的算法专家，有机会在顶会发表高水平论文
- 未来可发展为多模态大模型架构师或核心AI技术骨干，主导亿级流量场景下的AI技术落地
- 负责文生视频（T2V）、视频增强、人像美化及多模态视频理解等AIGC前沿课题的研究与算法开发
- 利用亿级海量数据优化大模型架构，推动生成视频的画质、真实性及一致性提升，并实现工业级项目落地
- 精通Diffusion模型及T2V基础模型原理，具备扎实的计算机视觉与多模态大模型理论基础
- 熟练掌握C/C++/Python及PyTorch/TensorFlow等深度学习框架，具备卓越的工程实现与百亿参数大模型训练能力
申请策略
- 提前了解淘天集团在AIGC及电商视频生成领域的业务布局，准备一份针对特定课题的初步研究思路或Demo
- 重点突出在Diffusion模型、T2V或AIGC内容编辑相关的项目经验与实习经历
- 详细列出在CVPR、NeurIPS等顶会发表的论文或权威竞赛获奖情况，以及百亿参数大模型训练经验
- 强调工程实现能力，展示在C++/Python及PyTorch框架下的大规模代码开发与优化经验
- 深入研读最新的多模态大模型与视频生成顶会论文，复现经典Diffusion模型代码
- 提升大规模分布式训练及超大规模数据集构建的工程实践能力
面试指南
- 采用STAR法则，清晰阐述项目背景、技术方案（如模型结构改进、损失函数设计）、工程实现细节及最终指标提升
- 对于架构设计问题，从数据流、模态对齐、计算效率三个维度展开论述
- 请详细介绍你在Diffusion模型或T2V视频生成方面的项目经验及遇到的技术难点
- 如何提升生成视频在时序和主体身份上的一致性？
- 在百亿参数大模型训练中，你遇到过哪些显存或计算效率问题，是如何解决的？
- 针对电商场景的商品高光定位或视频理解，你会如何设计多模态大模型的架构？
- 复习多模态大模型、视频生成领域的最新顶会论文，熟悉PyTorch分布式训练框架
- 准备好个人论文或项目的详细技术细节，以便应对深度技术拷问
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
作为顶尖人才实习项目，虽未披露具体津贴标准，但结合AIGC算法岗的市场行情与一线城市消费水平，补偿性动机能得到较好满足。
薪资信号未披露（AI估算：8千–1.5万/月）
成长发展
95较高
提供企业大牛与学术界名导双重指导，丰富的技术资源与海量数据助力发paper，发展性动机得到极大满足。
技术前沿前沿/新兴技术
技术栈Diffusion模型、T2V、AIGC、多模态大模型、PyTorch、TensorFlow
成长机会企业大牛导师/学术界名导、助力发paper、参与顶级课题研究
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式与工时安排，但办公地点位于一线城市核心办公区，生活化动机满足程度中等。
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
80较高
探索AIGC与多模态视频理解的最前沿技术，推动AI技术在真实业务场景中的落地，具有较强的技术使命感与行业影响力。
行业发展高速增长赛道
社会影响中性/一般
使命信号探索和实践最前沿的AI技术、开创音视频技术的新篇章
创新程度开拓性创新（行业首创）
Watch Jobs