阿里巴巴｜视频世界模型研发与应用-阿里星

1.负责研发大规模视频世界模型，构建可持续、可交互、可控制的世界模拟器，落地happy oyster模型产品； 2.研究可规模化的自回归（AR）、扩散（Diffusion）及其融合架构，探索面向流式生成的训练方法，解决长程预测中的误差累积、物理一致性、长期记忆与场景持久性问题； 3.研发面向实时交互的模型蒸馏与推理加速技术，探索少步生成、缓存复用及训练推理协同优化，降低交互响应延迟与生成成本； 4.探索视频生成与 3D／4D 技术路线的融合，提升空间一致性、多视角可控性及物体交互能力，支持可漫游、可编辑、可复用的动态世界构建； 5.研究基于世界模型的规划器，围绕目标理解、任务分解、未来状态推演、候选动作评估与闭环决策，探索规划器与世界模拟器的联合训练及协同推理，支撑智能角色行为、交互叙事、镜头调度与复杂任务执行。

1.计算机视觉、机器学习、人工智能、计算机图形学、机器人等相关专业硕士及以上学历； 2.具备扎实的数学与理论基础，熟悉概率统计、优化方法、深度学习、三维几何及生成模型相关理论； 3.熟悉3D或4D视觉技术，包括但不限于多视角几何、SLAM、点云处理、三维重建、NeRF、3D Gaussian Splatting、动态场景重建、神经渲染或三维生成； 4.具备丰富的NLP与CV交叉领域积累，理解多模态预训练、跨模态对齐、视觉指令微调及统一理解与生成建模；