阿里巴巴
MaaS Agentic视觉生成算法研究-阿里星/A Star
MaaS Agentic视觉生成算法研究-阿里星/A Star
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Pytorch
后训练
图像生成
多模态大模型
深度学习
视频生成
计算机视觉
Test-Time Scaling
值不值得投
77综合评分
综合评分 77
顶尖AI研究岗，薪酬极高，技术前沿，但工作强度大，生活平衡一般。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
50K
比计算机视觉工程中位数高
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 1580 个在招 · 其中计算机视觉工程 30 个
市场机会
选择面较广
杭州 · 计算机视觉工程 · 66 个在招
职位详情
关于这个职位
这是阿里巴巴阿里星项目下的视觉生成算法研究岗位，聚焦Agentic图像与视频生成，面向电商广告、短剧/漫剧等真实业务场景
你将研究多模态大模型的后训练、推理侧扩展、智能体规划与一致性控制等前沿技术，推动生成模型从单点工具向自主创作系统演进
适合对多模态生成和Agent方向有浓厚兴趣、具备扎实算法功底和科研能力的硕博应届生
最低要求
学术背景：计算机、人工智能、机器学习、数学等相关方向优秀硕士或博士（2027届毕业生），具备扎实的机器学习、深度学习和多模态大模型理论基础
代码与工程能力：具备优秀的编码能力与数据结构基础，熟练掌握Python和PyTorch，有大模型、多模态模型或生成模型代码实现和训练经验
问题抽象与落地能力：对真实业务场景中的复杂问题有强烈兴趣，能够从广告营销、短剧创作、内容生成等场景中抽象关键技术问题，并通过实验分析、算法迭代和工程优化推动模型能力落地
科研能力：具备优秀的科研素养和实验分析能力，有能力围绕Agentic视觉生成、多模态生成、视频理解、后训练、推理侧扩展等方向开展创新研究
在CVPR、NeurIPS、ICLR、ICML、ICCV、SIGGRAPH等顶级会议或期刊发表过多篇相关论文
工作职责
Agentic视觉生成算法研究：面向电商广告、短剧/漫剧创作、互动娱乐等真实业务场景，开展视觉创作Agent架构设计与算法创新
研究任务自主拆解、分镜规划、长短期记忆、工具调用、自我反思与修正等能力，提升模型从模糊创意意图到高质量图像/视频内容生成的端到端规划与执行能力
一致性控制与长视频生成能力建设：研究基于Agent上下文记忆与多模态条件控制的图像/视频生成算法，攻克复杂场景下角色IP、人物身份、服饰外观、场景风格、物体关系、运动规律与镜头衔接的一致性难题，持续提升长时序生成中的时空稳定性、剧情连贯性、视觉质量和可控生成能力
推理侧扩展与智能体系统优化：研究图像/视频生成大模型在推理阶段的Test-time Scaling策略，探索“规划—生成—评估—修正”的闭环推理范式
结合多Agent协作、工具调用、自动评测与重生成机制，提升视觉创作系统在复杂提示词、多约束任务和真实业务交付中的稳定性与效率
端到端业务交付与基座能力反哺：面向广告营销、短视频生产、短剧/漫剧创作等业务目标，打造端到端Agentic视觉生成解决方案，并优化模型在训练、推理、评测和交付环节的综合效能
抽象真实业务中的共性问题，将经过验证的算法方案、高质量数据、训练范式和评测基准沉淀为通用能力，持续反哺基座模型迭代
优先资格
在图像/视频生成与编辑、Agent、多模态理解、模型评测、开源大模型等方向有深入经验者优先
有高影响力论文、知名开源项目贡献，或曾参与主流大模型、多模态模型、视频生成项目建设者优先
AI 洞察
优缺点分析
优点
- 阿里云MaaS平台拥有海量算力和真实业务场景，技术落地机会多
- Agentic视觉生成是未来AI方向，处于技术前沿，发展空间巨大
- 阿里星项目提供高薪酬、顶级导师和资源倾斜，职业起点高
- 与CVPR/NeurIPS等顶会接轨，科研产出机会多
- 研究难度大，需要同时兼顾算法创新和业务落地，对综合能力要求高
- 竞争激烈，阿里星汇聚顶尖人才，内部成长预期高，需持续产出
缺点 / 挑战
- 真实场景中数据复杂、一致性要求苛刻，可能面临长时间攻坚压力
- 适合对多模态生成和Agent方向有强烈研究热情、具备扎实算法功底并能承受高强度科研压力的硕博应届生
角色解读
- 入职后可能作为算法专家或技术骨干，负责核心技术方向的研究与突破
- 阿里星项目通常配备顶级导师和资源，快速成长为领域领军人才
- 发展方向可面向多模态生成、智能体系统或基座模型的资深研究员/科学家
- 研究并设计Agentic视觉生成算法，使模型具备任务拆解、分镜规划、工具调用等自主创作能力
- 解决图像与视频生成中的一致性问题，如角色IP、身份、场景风格在长时序中的稳定保持
- 探索推理侧扩展策略，通过多Agent协作和测试时计算提升复杂任务下的生成质量与效率
- 将算法落地到电商广告、短剧/漫剧等业务场景，并沉淀通用能力反哺基座模型
- 扎实的机器学习和深度学习基础，精通Python和PyTorch，有大规模模型训练经验
- 熟悉多模态大模型、生成模型（扩散模型、自回归等）的原理与实现
- 具备科研能力，能独立开展创新实验与分析，有顶级会议论文发表经验
- 对Agent、后训练、视频理解、推理优化等方向有深入理解者优先
申请策略
- 内推渠道成功率更高，可寻找阿里云或阿里星的师兄师姐沟通
- 准备时多梳理自己的研究如何与业务场景结合，展现商业敏感度
- 突出在图像/视频生成、多模态模型或Agent方向的项目经历，量化成果指标
- 重点展示顶级会议论文发表、开源项目贡献或大型模型训练经验
- 强调问题抽象和工程能力，如如何将复杂业务问题转化为算法方案并落地
- 提前深入理解视觉生成模型（如Diffusion、DiT）和Agent推理框架，补充相关代码实践
- 熟悉Test-time Scaling、后训练等前沿方法，尝试复现顶会相关工作
面试指南
- 采用STAR法（情境-任务-行动-结果）组织项目经历，强调个人贡献和量化结果
- 对于算法设计题，先拆解问题，提出基线方案，再分析可行性并给出改进方向
- 结合阿里云业务场景，展现对真实问题的理解，不只停留在学术层面
- 如何设计一个图像生成Agent来处理复杂广告创意图的多轮修改需求？
- 讲解你在视频生成中如何处理长时序的一致性问题？
- 什么是Test-time Scaling？在生成模型中如何应用？
- 你如何将一个研究课题从idea推进到可落地的业务方案？
- 请详细介绍你最有代表性的科研项目，遇到的最大挑战及解决方式
职位点评
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
阿里星薪酬远超普通校招，且阿里福利完善，能很好地满足补偿性动机。但JD未明确具体薪资范围，需面试确认。
薪资信号未披露（AI估算：40K-60K/月）
成长发展
95较高
岗位处于生成式AI最前沿，技术含量极高，阿里星提供顶级研究资源和导师，成长空间巨大，极大满足发展性动机。
技术前沿前沿/新兴技术
技术栈Agent、多模态生成、视频生成、图像生成、后训练、Test-time Scaling、PyTorch、Python
业务类型profit_center
工作生活
40较低
互联网大厂算法岗通常工作强度大，JD未提及工作节奏或弹性，且需要在北京/杭州办公，生活平衡可能受影响。
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
70中等
岗位通过技术创新赋能影视、广告等产业，有一定社会价值，但商业导向明显，使命感中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs