【快Star】理解生成一体化算法研究员

优缺点分析

角色解读

• 成长为多模态基础模型领域的架构师，主导公司技术战略
• 向技术负责人或首席科学家方向发展，引领团队突破前沿
• 在快手内部推动图视频统一产品落地，积累工业级影响力
• 设计和优化多模态理解与生成一体化架构，定义下一代模型的技术路线
• 主导Chain-of-Thought图像生成与长视觉上下文压缩等前沿方向
• 负责大规模多模态预训练的数据配比、训练稳定性及后训练对齐
• 探索图像与视频统一的基础模型，推动技术产品化落地
• 扎实的多模态理解与生成模型经验，深入掌握MLLM和Diffusion原理
• 具备大规模多模态预训练的实际操作经验，能解决数据配比和训练稳定性问题
• 后训练全链路能力，至少亲手完成过两个阶段
• 对架构创新有独立的技术判断力，能够主导而非执行既定方案

申请策略

• 面试时准备一个你主导的架构设计案例，展示从想法到落地的完整过程
• 主动了解快手目前在多模态和生成方面的产品（如可灵、快手视频），思考潜在结合点
• 突出顶会一作论文或业界核心项目的具体贡献，尤其是多模态架构创新
• 详尽描述大规模预训练和后训练的全链路经验，包括数据配比、训练稳定性等细节
• 展示对统一架构（如Transfusion、Janus等）的深入理解和个人技术判断
• 如有开源项目或影响力，务必列出
• 深入研读最新统一架构论文（Transfusion、BAGEL、MetaQuery等），形成自己的观点
• 练习大规模训练任务的调试与优化能力，熟悉分布式训练框架

面试指南

• 结合自己的项目经验，用具体案例说明你的技术判断和实践细节
• 先阐述方法论，再举例说明遇到的挑战及解决方案，体现深度思考
• 展示对最新研究的了解，同时强调工业落地的实际考量
• 你如何看待理解生成一体化的未来趋势？你认为关键挑战是什么？
• 描述一个你做过的大规模多模态预训练项目，数据配比和loss平衡你是如何处理的？
• 后训练链包含哪些环节？你亲手做过哪两个阶段？踩过什么坑？
• 如何解决视觉encoder与文本decoder之间的跨模态对齐问题？
• 长上下文压缩有哪些主流方法？你会如何设计压缩方案？