阿里云阿里云智能-云迁移方案架构师 (国际业务)-杭州/上海/北京

阿里云国际云云迁移架构师与区域团队和产品团队一起，推动国际公共云业务（尤其是公共云7大件）的健康高速发展。阿里云国际云云迁移架构师的主要职责是结合阿里云公共云产品及三方ISV产品形成通用的云迁移解决方案，并于产研一起沉淀Winback竞争对手的迁移工具及最佳实践，与前线业务团队一起攻坚有迁移机会的公共云重点KA客户，直接参与技术决策以及客户交流，加速客户的迁移上量。同时收集和推动公共云产品需求，发展公共云产品生态，了解竞品动态等。

团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 课题介绍： 多模态模型能帮助提取视频的多模态内容信息，单用户对内容的注意力是个性化的，所以基于对比学习或者生成式学习得到的内容信息无法能和推荐系统相匹配，如何将基于纯内容信号得到的多模态信息用到推荐系统里目前是一个开放的话题我们希望通过多模态模型和推荐系统联合建模的方式来个性化的提取用户 - 内容的联合信号，并能实现内容建模和个性化建模的双重提升。 1、探索多模态模型，包括多模态预训练，多模态LLM； 2、将多模态模型应用于图像/视频的生成创作、逻辑推理、深层语义理解、视频语义压缩、视频高光判断等； 3、探索LLM、多模态等的高效Finetuning技术和推理技术，保证模型在业务场景中的快速适配和高效调用； 4、主要研究方向包括：多模态预训练、图片和视频的生成、图片和视频风格迁移、跨模态检索、大模型多标签分类、半监督学习、自监督学习。

团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 课题介绍： 多模态模型能帮助提取视频的多模态内容信息，单用户对内容的注意力是个性化的，所以基于对比学习或者生成式学习得到的内容信息无法能和推荐系统相匹配，如何将基于纯内容信号得到的多模态信息用到推荐系统里目前是一个开放的话题我们希望通过多模态模型和推荐系统联合建模的方式来个性化的提取用户-内容的联合信号，并能实现内容建模和个性化建模的双重提升。 1、探索多模态模型，包括多模态预训练，多模态LLM； 2、将多模态模型应用于图像/视频的生成创作、逻辑推理、深层语义理解、视频语义压缩、视频高光判断等； 3、探索LLM、多模态等的高效Finetuning技术和推理技术，保证模型在业务场景中的快速适配和高效调用； 4、主要研究方向包括：多模态预训练、图片和视频的生成、图片和视频风格迁移、跨模态检索、大模型多标签分类、半监督学习、自监督学习。

团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 课题背景： 图形渲染技术是游戏、影视、AR/VR等多媒体应用的重要基础设施与核心技术。随着短视频、直播、元宇宙等场景的爆发式增长，以及AI生成能力对传统图形管线的冲击，用户对实时场景下，内容更泛化，制作流程的效率提升，高画质渲染呈现的需求也急剧上升。当下的移动端算力又难以满足高画质、个性化、低门槛的UGC创作诉求。随着AI技术更进一步的发展，正逐步推动着图形渲染从"确定性算法驱动"向"概率化智能生成"的迁移，为渲染技术带来了新的可能性。 课题挑战： 1、提升渲染上限：传统实时图形渲染框架诞生了近三十年，传统实时渲染框架下的各种技术&工具链已经发展得非常成熟。但随着用户对高质量、高画质的效果内容的需求越来越高，图形渲染的场景、光影复杂度也越来越高，传统的图形光栅化渲染管线越来越难以满足用户对画质效果的需求，在算力更为不足的移动端表现地尤为明显。如何应用AI技术提升渲染性能，是一个充满挑战的课题。 2、减低制作门槛：在用户互动场景中，素材、场景建模的制作成本也变得越来越高昂。用户希望低门槛生成个性化内容，但传统图形渲染技术依赖专业人士建模，门槛极高。如何应用AI技术制作低门槛、个性化资产，同样是一个充满挑战的课题。 3、工作范式革新：在短视频拍摄场景中，传统图形引擎是通过视觉算法、图形渲染算法的结合完成图像视频增强。伴随着人工智能的热潮，AI技术在视频生成领域也有了许多突破性进展。以 Sora、Luma、DreamMachine 为代表的生成式视频模型，正在重构视觉内容生产范式，存在对现有视频处理链路革新的可能性，但也面临许多挑战，如视频一致性、物理仿真正确性、运算复杂度高等等。