【北斗】多模态数字人算法研究员

优缺点分析

角色解读

• 在数字人与视频生成领域积累前沿技术经验，成为行业专家
• 可向技术负责人或架构师方向发展，带领团队攻克核心难题
• 研究成果直接服务亿级用户，有机会发表顶级论文并影响行业标准
• 研发基于扩散模型和Transformer的人物视频生成算法，提升生成质量与可控性
• 探索低延迟流式推理架构，支持实时数字人交互场景
• 研究多模态信号（文本/音频/姿态）驱动的全身动作与表情生成
• 负责算法落地全链路优化，包括模型训练加速和线上部署
• 精通扩散模型或Transformer等视频生成基座框架，如DiT、UNet-based Diffusion
• 熟悉大模型后训练技术，如SFT、RLHF
• 掌握视频生成加速技术，如模型并行、推理优化
• 了解人体表征建模，如SMPL、FLAME、ARKIT，以及多模态动作生成方法

申请策略

• 在简历中明确列出发表的顶会论文及排名，突出个人贡献
• 面试前准备一个完整的技术项目讲解，包括问题定义、方案设计、实验结果和落地效果
• 突出视频生成或扩散模型相关项目经验，尤其是论文发表或开源贡献
• 强调在可控姿态、动作生成等方面的技术积累，最好有量化指标
• 展示对SMPL/FLAME等人体表征的理解，以及多模态融合经验
• 提及大模型后训练（SFT/RLHF）或推理加速相关的实践
• 补充视频生成加速技术，如流式推理、模型并行
• 学习数字人相关开源项目，如Talking Head、唇驱等

面试指南

• 问题分析：先拆解问题核心，明确考察点（如可控性、效率、融合等）
• 方案介绍：结合自身经验，提出具体技术路线，引用相关论文或项目
• 权衡讨论：分析方案的优缺点，展示对工程落地的思考
• 请介绍你在视频生成或扩散模型方向的一个代表性工作，包括技术难点和解决方案
• 如何提高视频生成过程中的人体姿态可控性和时序连贯性？
• 对于数字人直播的低延迟需求，你会如何设计推理框架？
• 多模态动作生成中，如何有效融合文本、音频和姿态信号？
• 在模型训练加速和推理优化方面，你有哪些实践经验？