主分类：大模型与生成式算法研发
辅助：Agent系统开发、AI模型评测工程（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "视频生成模型工程师-Agentic视频生成",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里云",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士/博士在读优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "围绕Agentic视频生成方向，开展视频智能体架构设计、多镜头一致性控制和推理侧扩展相关研究，推动视频生成模型从“单点工具”向“自主系统”演进，并服务于广告营销、短剧创作等实际业务落地。\n你将参与以下一个或多个方向的工作： \n1. 视频Agent工作流构建：面向复杂剧情生成场景，研究视频Agent的核心组件，包括任务自主拆解、长短期记忆机制、工具调用及自我反思与修正。通过SFT/RLHF/DPO等后训练技术，提升模型在分镜规划与多维指令遵从上的能力，探索从模糊意图到高质量长视频生成的端到端智能体方案。 \n2. 可控生成与长视频能力：面向商业级视频交付需求，研究基于Agent上下文记忆的多镜头一致性控制算法，攻克复杂场景下角色IP、场景特征与运动规律的稳定性难题。通过后训练，重点突破长视频生成的时空稳定性与长效剧情逻辑，提升模型在长时序列下的生成质量。同时研究视频大模型在推理阶段的Test-time Scaling策略，突破模型在复杂提示词下的语义对齐上限。 \n3. 视频智能体评测与进化：构建完善的视频Agent量化评测体系，涵盖视觉一致性、意图命中率、任务完成度等核心维度，打通从数据采集、自动评测到模型在线迭代的闭环。结合广告、漫剧等具体业务场景，参与Agent系统的设计与优化，显著提升商业化视频生成的可用率与交付效率。",
"requirements_text": "1. 计算机、人工智能、数学等相关专业，硕士/博士在读优先；\n2. 熟悉Python和PyTorch，具备优秀的算法实现与代码工程能力；\n3. 熟悉扩散模型（Diffusion Models/DiT）或视频生成相关技术，理解主流LLM/MLLM基础架构，有SFT/RL等后训练实操经验者优先；\n4. 认真踏实、自驱动力强，具备优秀的科研素养，有能力在mentor指导下完成顶会论文（CVPR/NeurIPS/ICLR等）发表或专利申请；\n5. 在以下一个或多个方向有经验者优先：视频生成、Agent、多模态理解、图像/视频编辑。",
"skills": [AI生成
"Python",
"PyTorch"
],
"preferred_qualifications": "1. 计算机、人工智能、数学等相关专业，硕士/博士在读优先；3. 熟悉扩散模型（Diffusion Models/DiT）或视频生成相关技术，理解主流LLM/MLLM基础架构，有SFT/RL等后训练实操经验者优先；5. 在以下一个或多个方向有经验者优先：视频生成、Agent、多模态理解、图像/视频编辑",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904380003?deptCodes="
}
]
},
"posting": {
"posting_id": "199904380003",
"post_date": "2026-04-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904380003?deptCodes="
},
"fulltext": "视频生成模型工程师-Agentic视频生成\n视频生成模型工程师-Agentic视频生成\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2028-12-31\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n围绕Agentic视频生成方向，开展视频智能体架构设计、多镜头一致性控制和推理侧扩展相关研究，推动视频生成模型从“单点工具”向“自主系统”演进，并服务于广告营销、短剧创作等实际业务落地。\n你将参与以下一个或多个方向的工作： \n1. 视频Agent工作流构建：面向复杂剧情生成场景，研究视频Agent的核心组件，包括任务自主拆解、长短期记忆机制、工具调用及自我反思与修正。通过SFT/RLHF/DPO等后训练技术，提升模型在分镜规划与多维指令遵从上的能力，探索从模糊意图到高质量长视频生成的端到端智能体方案。 \n2. 可控生成与长视频能力：面向商业级视频交付需求，研究基于Agent上下文记忆的多镜头一致性控制算法，攻克复杂场景下角色IP、场景特征与运动规律的稳定性难题。通过后训练，重点突破长视频生成的时空稳定性与长效剧情逻辑，提升模型在长时序列下的生成质量。同时研究视频大模型在推理阶段的Test-time Scaling策略，突破模型在复杂提示词下的语义对齐上限。 \n3. 视频智能体评测与进化：构建完善的视频Agent量化评测体系，涵盖视觉一致性、意图命中率、任务完成度等核心维度，打通从数据采集、自动评测到模型在线迭代的闭环。结合广告、漫剧等具体业务场景，参与Agent系统的设计与优化，显著提升商业化视频生成的可用率与交付效率。\n\n职位要求\n1. 计算机、人工智能、数学等相关专业，硕士/博士在读优先；\n2. 熟悉Python和PyTorch，具备优秀的算法实现与代码工程能力；\n3. 熟悉扩散模型（Diffusion Models/DiT）或视频生成相关技术，理解主流LLM/MLLM基础架构，有SFT/RL等后训练实操经验者优先；\n4. 认真踏实、自驱动力强，具备优秀的科研素养，有能力在mentor指导下完成顶会论文（CVPR/NeurIPS/ICLR等）发表或专利申请；\n5. 在以下一个或多个方向有经验者优先：视频生成、Agent、多模态理解、图像/视频编辑。\n\n在招业务\n阿里云\n围绕Agentic视频生成方向，开展视频智能体架构设计、多镜头一致性控制和推理侧扩展相关研究，推动视频生成模型从“单点工具”向“自主系统”演进，并服务于广告营销、短剧创作等实际业务落地。\n你将参与以下一个或多个方向的工作： \n1. 视频Agent工作流构建：面向复杂剧情生成场景，研究视频Agent的核心组件，包括任务自主拆解、长短期记忆机制、工具调用及自我反思与修正。通过SFT/RLHF/DPO等后训练技术，提升模型在分镜规划与多维指令遵从上的能力，探索从模糊意图到高质量长视频生成的端到端智能体方案。 \n2. 可控生成与长视频能力：面向商业级视频交付需求，研究基于Agent上下文记忆的多镜头一致性控制算法，攻克复杂场景下角色IP、场景特征与运动规律的稳定性难题。通过后训练，重点突破长视频生成的时空稳定性与长效剧情逻辑，提升模型在长时序列下的生成质量。同时研究视频大模型在推理阶段的Test-time Scaling策略，突破模型在复杂提示词下的语义对齐上限。 \n3. 视频智能体评测与进化：构建完善的视频Agent量化评测体系，涵盖视觉一致性、意图命中率、任务完成度等核心维度，打通从数据采集、自动评测到模型在线迭代的闭环。结合广告、漫剧等具体业务场景，参与Agent系统的设计与优化，显著提升商业化视频生成的可用率与交付效率。\n1. 计算机、人工智能、数学等相关专业，硕士/博士在读优先；\n2. 熟悉Python和PyTorch，具备优秀的算法实现与代码工程能力；\n3. 熟悉扩散模型（Diffusion Models/DiT）或视频生成相关技术，理解主流LLM/MLLM基础架构，有SFT/RL等后训练实操经验者优先；\n4. 认真踏实、自驱动力强，具备优秀的科研素养，有能力在mentor指导下完成顶会论文（CVPR/NeurIPS/ICLR等）发表或专利申请；\n5. 在以下一个或多个方向有经验者优先：视频生成、Agent、多模态理解、图像/视频编辑。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009",
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}