岗位职责
深入参与阿里云MaaS平台视频生成核心算法研发，致力于构建行业领先的AIGC视频创作能力。依托多模态/全模态大模型、图像/视频生成模型及Agent等前沿技术，打造下一代智能化视频创作平台，赋能短剧/漫剧、互动娱乐、电商广告等核心业务场景。具体工作内容包括： • 视频生成模型后训练：基于Wan/HappyHorse系列模型进行精调与优化。负责高质量视频数据的清洗与标注体系建设，通过 SFT与 RLHF，提升模型在特定业务场景下的生成表现； • 视频创作智能体：研发基于大模型的视频创作工作流智能体，实现“脚本策划-分镜生成-角色一致性控制-视频渲染”的全链路自动化；探索长视频生成的逻辑连贯性与复杂指令遵循，提升多模态模型在视频创作中的自主工具调用与“评价-反思-优化”闭环能力； • 生成质量评估体系：构建多维度的视频生成评估框架。结合客观指标与基于大模型的多模态内容评估，建立基于Agent架构的自主化、动态化评测机制，高效驱动模型迭代。
职位要求
• 硕士及以上学历，计算机、人工智能、数学等相关专业；具备深厚的机器学习、计算机视觉或计算机图形学基础； • 具备优秀的编程能力与数据结构基础，熟练掌握 Python/C++ 及 PyTorch 等主流深度学习框架；拥抱 AI 时代开发模式，熟练使用 AI 辅助编程工具以提升研发效率； • 具有图像/视频生成、多模态理解、智能体相关项目经历或学术背景；熟悉大模型结构设计、训练优化、强化学习、Agent 编排或自进化等技术； • 加分项 ：（1）在CVPR,ICCV,SIGGRAPH,NeurIPS,ICLR等国际顶会发表过多模态生成/理解或Agent相关论文者优先；（2）在权威图像/视频生成、多模态评测榜单中取得优异成绩，或在开源社区（如HuggingFace,GitHub）有高星项目贡献者优先。
