蚂蚁集团-世界模型算法工程师 / 研究员-交互式视频生成方向

优缺点分析

角色解读

• 在生成式AI与世界模型这一前沿领域深耕，成为视频生成与交互式系统方向的顶尖算法专家
• 从单一模型研发向全链路系统落地拓展，成长为具备技术视野与业务落地能力的AI技术领军人才
• 研发动作与视觉条件驱动的视频世界模型，提升控制精度、画面质量与物理合理性
• 探索因果视频生成与流式解码技术，解决长程生成中的内容漂移与误差累积问题
• 建设训练数据管线，结合游戏引擎与视频重建构造可控数据，并开展模型微调与推理优化
• 扎实的机器学习基础，熟练使用 Python 和 PyTorch，能独立完成模型训练、调试与评估
• 在视频生成、扩散模型或世界模型方向有深入项目经验，熟悉大模型分布式训练与显存优化
• 具备严谨的实验设计能力，能区分数据、模型与推理机制带来的影响，并推动系统落地

申请策略

• 在简历和面试中展现对可交互生成的持续兴趣，分享自己复现失败案例并优化改进的具体思考过程
• 重点突出在视频生成、扩散模型或世界模型方向的核心项目经验，详细说明解决的难题与取得的指标提升
• 展示大模型分布式训练、混合精度及显存优化的实战经验，体现处理大规模模型训练的工程能力
• 附上代表性论文、开源项目或演示视频，清晰说明个人负责的部分、解决的问题及实验结论
• 深入学习因果视频模型、流式推理与KV Cache优化等低延迟推流加速技术，补齐工程落地短板
• 了解游戏引擎、计算机图形学或三维视觉基础，提升在场景重建与仿真数据生成方面的跨领域能力

面试指南

• 采用 STAR 法则（情境、任务、行动、结果），重点突出在复杂问题中的分析思路、实验设计能力和最终的系统落地效果
• 对于技术原理问题，先阐述核心概念与数学直觉，再结合具体项目中的工程实践说明如何应用和优化
• 请详细介绍你过去在视频生成或扩散模型项目中，如何解决长程生成中的内容漂移或身份变化问题？
• 在分布式大模型训练中，你遇到过哪些数值稳定性或显存优化问题？是如何排查和解决的？
• 如果生成的视频在物理合理性上出现穿模或不符合常理的运动，你会如何设计实验来定位并解决？
• 请谈谈你对因果视频生成和流式解码的理解，如何平衡生成质量与交互延迟？
• 系统复习扩散模型、自回归视频模型及世界模型的最新前沿论文，特别是关于长序列建模和流式推理的文献
• 准备 1-2 个自己主导的、具有代表性的生成模型项目，深入梳理其中的数据构建、模型设计与调优细节