【快Star】音视频大模型算法工程师

优缺点分析

角色解读

• 技术深耕：成为视频生成与处理领域的专家，在快手内部主导核心技术突破
• 研究导向：可向高级研究员或技术 Leader 发展，带领团队探索下一代视频大模型
• 横向拓展：积累 AGI 和多模态大模型经验，未来向更广泛的 AI 方向转型
• 研究并开发基于 Diffusion 和 AR 等生成式模型的视频增强和修复算法，包括超分辨率、降噪、去伪影等
• 设计视频大模型的网络架构，解决时域一致性问题，优化大规模训练和模型保真度
• 探索生成式视频处理与视频压缩的结合，跟踪前沿技术并推动实际落地
• 扎实的深度学习基础，熟悉常见 low-level 视觉算法（超分、降噪等）
• 深入理解 Diffusion 和 AR 等生成式模型框架
• 编程能力强，熟练使用 PyTorch 等框架，具备大规模数据处理经验
• 有计算机视觉或人工智能领域的研究背景，能阅读和复现顶会论文

申请策略

• 关注快手技术博客和论文，了解团队研究方向，在面试中展现针对性思考
• 提前准备一个自我主导的视频处理小项目（如利用开源模型做超分），展示动手能力
• 突出计算机视觉相关项目经验，特别是 low-level 视觉或视频生成方向的成果
• 列出发表的顶会论文或竞赛获奖，证明学术能力
• 详细描述使用 Diffusion、AR 等模型的实际工程经验，包括网络设计、训练优化
• 强调对 AGI 和视频大模型的理解和兴趣，可附上技术博客或开源贡献
• 系统学习 Diffusion 模型原理和代码实现（如 Stable Diffusion、Video Diffusion）
• 熟悉视频数据处理流水线，包括编解码、光流等基础

面试指南

• 对于原理类问题，先定义核心概念，再从数学和工程角度展开，最后举例说明
• 对于开放性问题，采用「现状-挑战-方案-展望」的逻辑，展现系统性思考
• 对于编码题，先确认需求，再分步骤编写，同时解释关键设计选择
• 谈谈你对 Diffusion 模型用于视频生成的理解，它和图像生成有何异同？
• 如何解决视频超分中的时域闪烁问题？请给出至少两种思路
• 描述一次你优化大规模模型训练过程的经历，遇到哪些挑战？
• 你如何看待 AGI 与视频大模型的结合？有哪些潜在应用？
• 写一段伪代码实现一个简单的自注意力机制