阿里云ATH事业群-视频增强和生成算法专家-杭州
任职要求
1、计算机、人工智能、数学等相关专业硕士/博士学位, 在图像/视频生成、画质增强、超分、多模态学习、大模型后训练等领域具备扎实的理论基础; 2、实战经验与工程能力: 有实际落地图像生成、视频生成、画质增强或多模态项目经验,能处理真实场景中的指令遵循、主体一致性、长视频时序稳定性、可控编辑、低资源风格定制、真实退化建模等问题; 3、熟悉主流图像视频生成与增强技术体系(如 VAE、GAN、Diffusion、Flow Matching 等生成建模范式,以及 SwinIR、Real-ESRGAN、StableSR 等增强与生成式超分方案),熟悉图像/视频生成模型(如 FLUX、Wan、Qwen-Image 等)的架构与训练范式; 4、精通生成模型后训练技术(如监督微调 SFT、偏好对齐 RLHF/DPO、Diffusion-DPO、持续学习等),熟悉大模型分布式训练与加速技术(如 DeepSpeed、PyTorch FSDP、Megatron…
工作职责
深入阿里云各行业的真实业务场景,基于阿里的Wan、HappyHorse、Qwen-Image等图像与视频生成大模型,并结合 Qwen-VL 等多模态理解模型,打造行业领先的领域模型与定制化解决方案。工作内容包括但不限于: 1、业务攻坚与定制化调优: 深入理解业务场景(如电商商品图/视频生成、营销创意、影视后期、广告设计、虚拟人、教育动画、工业设计等), 针对客户真实需求和挑战问题(如指令遵循、主体一致性、文字渲染、物理合理性、长视频时序稳定性、风格定制等)进行算法攻坚。 2、大模型增强: 利用后训练全链路技术和数据飞轮(数据构建 → 模型微调 → 强化对齐 → 效果评测),增强模型的图像生成、视频生成、可控编辑、ID/主体保持、镜头与运动控制等核心能力,并将评测、数据和算法能力沉淀到基座模型,持续提升通用图像视频大模型在真实场景中的表现。 3、图像视频增强与超分: 研发图像/视频画质增强与超分能力，包括超分、去噪去模糊、插帧、色彩/HDR 增强与修复等，并结合生成式先验打通“生成 + 增强”链路，支撑高画质业务交付。
1. 负责图像/视频 AIGC 产品的整体规划与迭代，面向海外市场设计产品方案，驱动从概念到上线的全流程落地。 2. 深入研究海外图像/视频市场的用户分层需求与竞争格局——覆盖北美、东南亚、中东、拉美等不同区域市场的内容消费习惯、创作偏好和付费意愿，制定差异化的区域产品策略。 3. 持续跟踪 AIGC 领域的前沿技术进展，结合海外市场的内容趋势（如短视频、UGC 创作、社交分享等），将技术理解转化为面向全球用户的产品定义和功能方案。 4. 关注海外市场的数据隐私与合规要求（GDPR、CCPA、COPPA 等），确保产品设计和数据处理流程符合各区域的法规要求。 5. 与算法、工程、设计、运营团队紧密协作，推动产品功能的高效开发与全球化交付； 6. 配合海外增长团队，设计产品层面的增长机制和留存策略。
1. 负责AI视频生成产品的企业级客户运营策略制定与执行，推动客户从试用到活跃、从活跃到付费的全生命周期运营，持续提升产品的商业化指标； 2. 深入了解企业客户的AI视频生产工作流（从脚本到成片全流程），优化产品的Agent/工作流配置，提升客户视频制作效率和内容质量； 3. 跟进行业AI视频生成技术趋势（Sora、Seedance、可灵等），提炼优质视频内容特征与最佳实践，输出客户成功案例与行业解决方案； 4. 与产品、算法、研发团队紧密合作，将客户反馈与使用数据转化为产品需求，协同推动模型能力与产品功能迭代； 5. 负责视频生成产品的内容生态建设，包括模板库、提示词库、风格库等运营，降低客户使用门槛、提升产出效果。
岗位定位 我们正在把 Studio 从视频创作"工具"进化成"AI 创作平台"。这里不止一种创作方式，而是覆盖多种创作模式的完整创作体系。你将作为 Studio 创作体系的核心研发，负责把创作、编辑、智能生成、3D 可视化、多人协作等能力做成稳定、流畅、智能的产品，并能扎进不同创作模式持续做深、打磨。每一种创作模式都在走向 Agentic 化——每一次用户操作背后，都有 AI 在参与理解、生成与迭代。 核心职责 1. 创作模式能力建设 ● 负责 Studio 多种创作模式的核心能力研发与工程建设，扎进各创作模式持续做深、做好，打磨极致的用户创作体验，构建产品的核心竞争力。 ● 覆盖从故事板、自由画布到 Agent创作、智能剪辑等多种创作模式的建设，能根据方向重点灵活切入，把不同创作模式都做到好用、易用。 2. 让各创作模式更 Agentic ● 推动 AI Agent 深度融入每一种创作模式，让创作从"人操作工具"走向"人与 Agent 协同创作"，把各创作模式整体带向更 Agentic 的形态。 ● 设计 Agent 参与创作的交互方式，让 AI 的理解、生成与调整过程对用户清晰可见、可控可干预，把不确定的生成过程做成顺畅、可信赖的创作体验。 3. 图形渲染、音视频与 3D 能力建设 ● 基于 Canvas / WebGL / WebGPU / OffscreenCanvas / WebAssembly / WebCodecs 等技术，建设高性能渲染与实时预览能力。 ● 负责音视频基础能力，包括播放、剪辑、转码、封装格式、字幕、音轨、流媒体协议、解码与处理链路。 ● 参与 3D 资产预览、空间编辑、镜头控制、实时渲染等方向的能力建设，探索 Mesh / 点云 / NeRF / 3D Gaussian Splatting 等新型 3D 表达在创作场景的落地。 4. 多端适配与多站点 ● 支持浏览器端、桌面端（Electron / Tauri）等多种运行环境，保障不同设备、分辨率、浏览器和网络条件下的一致体验。 ● 参与国际化、多语言等基础能力建设，支撑国内站 / 国际站 / 海外独立站等多站点的统一技术架构。 5. 性能与体验保障 ● 从用户体验出发，持续提升各终端的性能与创作流畅度，优化加载速度、交互响应、渲染稳定性与弱网体验，让复杂创作也能顺滑好用。 ● 建设产品质量与稳定性保障，覆盖监控、异常定位、自动化测试等能力，保障产品长期稳定迭代。
岗位定位 你将作为AI视频生产产品智能评测体系的核心建造者。我们既评测视频生成、图片生成等多模态模型的能力边界，也评测产品在真实业务场景下的端到端产出质量——从模型选型到生产链路放行，每一环都需要可量化、可解释、可复现的评判依据。你要建造的智能评测体系，能自主理解评测目标、调度多模态模型诊断、给出可解释判分、驱动生产链路的重试与放行；同时与生成大模型形成双向飞轮——评测产出反哺大模型微调与偏好对齐，大模型跃迁驱动视频生成产品及评测能力演进。 核心职责 1. 评测Agent架构设计 ● 主导设计"视频评测Agent"的能力边界、工具集与决策协议，使其具备任务规划、模型选型、自动重试、异常归因、人工介入点设计等自主能力。 ● 与视频生产链路上下游的Agent打通，将评测Agent作为生产链路中的智能质检与自纠错节点，形成"生成→质检→修复→放行"的闭环。 ● 设计评测Agent的可观测体系，让每一次决策都可追溯、可复盘、可改进。 2. 跨模型Benchmark体系建设 ● 构建覆盖视频生成、图片生成等多模态生成模型的Benchmark评测基准，定义能力地图与质量基线。 ● 建立模型选型、版本对比、回归验证的数据化决策链路，让模型选型从经验驱动走向证据驱动。 ● 攻关"跨模型可比性"工程难题：评测样本设计、风格归一化、置信区间标注、人工抽样补评机制。 3. 评测Prompt工程与VLM调优 ● 系统性构建面向视频评测各环节的Prompt工程体系：分层结构化、多模态对齐、领域知识注入、置信度自评等精细化设计。 ● 建立Prompt版本管理、A/B评测、自动优化机制，让VLM评分在跨模型对比语境下持续逼近人工裁判的一致性。 ● 探索结合人类反馈与Benchmark交叉验证的评测Prompt偏好对齐，让智能评测"打分像一个有审美的人"。 4. 评测与生成大模型的协同进化 ● 设计评测产物的结构化沉淀方案，把每一次评测都转化为可检索、可复用、可再加工的数据资产，作为视频生成大模型微调（SFT/DPO）与偏好对齐的高质量信号源。 ● 与算法侧协同建立"评测→反哺→生成→再评测"的双向闭环：评测识别出的Bad Case与Hard Case定向输入生成模型的迭代训练，生成模型每一次能力跃迁又驱动评测维度的扩展、Benchmark的扩容与评分基线的重标定。 ● 建设case库管理与质量回归机制，保障评测体系自身能跟上生成模型的迭代节奏。 5. 评测全栈工程能力 ● 端到端打通"任务提交→视频处理（抽帧/转码/格式适配）→多模态推理→评分聚合→报告生成→数据可视化"的自动化流水线。 ● 独立完成评测控制台、Benchmark对比看板、case库管理等前端功能，保障评测系统具备可用性与可维护性。 ● 保障长链路评测任务的稳定性：断点续传、局部重试、并发调度、容错降级等核心工程难题。