腾讯多模态大模型在游戏场景中的研究与应用

1. 开展电商场景下的视频生成大模型算法研究，攻克商品一致性、多参考图、多镜头控制等核心技术难题； 2. 负责视频生成模型的训练与推理优化，解决训练与应用阶段的速度及稳定性等问题，保障研究成果具备规模化落地能力； 3. 围绕电商内容应用场景构建数据迭代机制，持续优化并提升应用场景下的核心模型指标； 4. 推动多模态视频生成研究成果在集团内容业务及商品素材等场景的端到端落地，提升消费者购物体验与商品转化率。

我们是阿里巴巴国际数字商业集团-智能技术-商品基础数据算法团队，基于研发电商多模态预训练模型基座，通过多模态商品理解、商品同款匹配、商品属性&标签生产、知识图谱构建、图像搜索等核心技术的持续迭代，为平台沉淀高质量、结构化的商品数据资产和多模态大模型基座。主攻前沿方向：Continual Pre-Training/Post-Training 模型持续优化、SFT 监督微调与用户偏好对齐、RL 强化学习提升推理和决策能力、多模态（文本 + 图像）语义匹配。 1、负责研发电商多模态预训练模型基座，抽象并解决商品理解的基础问题使得模型具备业务通识能力，并构建针对大模型幻觉问题、推理能力、模型加速等关键问题的系统性解决方案，提高下游业务的迭代效率和效果上限； 2、基于多模态预训练大模型，设计和迭代 SFT+RL 训练方案，优化模型语义理解精度，落地商品理解关键场景任务，比如商品类目/属性/标签预测、商品同款、商品图搜等，负责关键场景的端到端全链路优化，实现业务指标提升； 3、学习前沿论文与把握技术趋势，深入理解底层算法原理，探索实验面向未来的硬核技术，实现核心技术突破和技术创新，发表相关论文。

ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data AML是字节跳动的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。 1、深度参与业界效果领先的生成模型Seedance/Seedream相关工作，理解模型Seed-VLM的软硬件协同优化和算法优化逻辑，构建业界领先的模型优化能力矩阵； 2、研发面向多端异构平台的量化&稀疏、MOE压缩、Token压缩、Cache复用、投机解码、KV Cache压缩等加速算法，构建Training-Free或结合Post-Training/RL-Training的加速算法能力； 3、面向分布式训练/推理场景，深度挖掘模型表示位宽、分辨率、步数、结构等维度的冗余，通过算法和工程创新加速训练和推理过程，实现降本增效； 4、探索Efficient AIGC、Efficient LLM领域最前沿的问题，包括多模态理解生成统一建模加速、结合RL训练的模型优化等方向。

1. 研发多模态商品理解模型，融合图像、文本、视频特征，优化跨模态特征对齐与检索算法； 2. 负责高质量多模态训练数据集构建，包含图像清洗、属性标注与图文匹配关系挖掘； 3. 探索多模态大模型在图像搜索领域的应用，提升模型在复杂商品数据上的泛化能力； 4. 设计多模态表征评测框架，集成自动化评估与人工审核机制，提升模型迭代效率； 5. 基于大语言模型（LLM）实现用户意图识别、生成式排序与重排及多目标优化； 6. 结合SFT、RLHF等技术实现生成式端到端推荐建模，持续优化搜推系统决策； 7. 利用奖励模型（Reward Model）与强化学习量化商业目标，构建长期生态价值体系； 8. 探索大模型推理机制，优化语义理解与认知能力，提升搜推系统的智能化水平。