百度多模态大模型算法研发工程师（J96245）
任职要求
-熟悉常见的大语言模型（Llama/Qwen）、多模态大模型（Llava/Qwen-vl）、模型架构（Dense/MOE） -熟悉大模型微调（全参微调/指令微调/PEFT等），了解训练优…
工作职责
-参与智能数据基础设施平台建设，聚焦多模态大模型研发，提升模型在跨模态理解、生成、语义对齐等关键任务上的性能 -参与平台高质量多模态算子开发和高质量工作流构建，支持文档、图片、视频、音频等多种模态数据的高效处理 -参与大语言模型和多模态大模型微调、模型服务搭建、落地项目以及自动化评测体系构建 -参与垂类领域多模态大模型效果优化，从模型结构、训练策略、训练数据等多角度对模型进行优化，打造业界SOTA级模型
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：抖音研发部门负责多款大型产品的研发，包括但不限于抖音、西瓜视频、汽水音乐。加入我们，你将有机会参与亿级用户场景的开发与架构工作，使用前沿的技术助力业务一起不断成长。 1、参与构建新一代多模态大模型评测体系，覆盖3D生成、动态3D（4D）、数字人、世界模型等AIGC方向，驱动模型效果持续优化与业务规模增长； 2、基于计算机视觉（CV）、音频理解、多模态大模型（MLLM）、多模态Agent、强化学习（RLVR）等技术，构建Score Model、Reward Model等自动化评测能力，将人类感知与偏好有效建模，并融入评测闭环，提升生成模型评估与优化效率； 3、参与构建行业领先的多模态评测体系，融合元评估等方法，持续迭代评测标准与数据集构建范式，提升评测结果的可靠性、细粒度与可解释性，系统刻画模型能力边界； 4、作为算法角色，与工程和质量团队协作，将评测能力落地到实际业务场景，支撑模型训练、调优与上线决策。
1、围绕行业AI应用快速落地，研发端到端智能体核心技术，方向包括但不限于：Agent RL强化学习方法、全模态数据解析与私域知识加工、自规划和自主进化的多智能体等技术，提升智能体在复杂业务流中的效果与适应性。 2、攻坚突破大模型产品在行业应用落地和交付过程中的技术难题，与业界先进技术进行持续对比，并保持优势。 3、具备良好的产品化思维，驱动产品迭代，与产品和工程团队紧密合作，将算法技术应用于实际产品，带来产品商业化增量和竞争力。 4、深入研究大模型和智能体技术，持续关注和探索大模型和智能体方向的前沿动向和技术趋势，打造产品业界影响力。
近年来，以大模型为核心的生成式人工智能技术在语言理解、内容生成、多模态建模与跨模态交互等领域取得了突破性进展，展现出前所未有的技术潜力与广泛的应用前景。 我们致力于通用人工智能（AGI）方向的前沿探索与产业落地创新。一方面，在迈向AGI的长期路径中，随着大语言模型能力的持续进化，多模态感知、融合与推理等关键问题日益凸显，成为构建通用智能系统的核心挑战；另一方面，围绕典型行业场景（如智能交互、高质量内容生成、跨模态检索与理解等），如何将现有大模型能力有效转化为可落地、可扩展、可持续的解决方案，也成为当前研究与工程实践的重点方向。 如果你对生成式AI、通用人工智能（AGI/ASI）前沿探索、多模态建模与智能交互系统有浓厚兴趣，并渴望深入参与下一代多模态通用模型的研发与演进，欢迎加入我们，共同定义未来AI的能力边界，牵引千行百业在智能时代的深度变革。 1. 多模态大模型算法创新：定义下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模，探寻和解决多模态对齐、推理、Agentic等方面的核心挑战，不断追寻多模态通用大模型的效果上限。 2. 场景驱动的算法创新：结合业务场景（如智能交互、内容生成、跨模态检索等），设计并优化大模型架构，提升效果、效率与鲁棒性。 3. 端到端技术闭环：从数据构建、模型训练、评测到部署，主导技术方案落地，通过AB实验、调用量、用户反馈验证价值。 4. 前沿应用技术探索：紧跟并能驱动LLM、Diffusion Models、强化学习等技术相关进展，定义技术新范式，快速实验并迭代创新方案，拉升相关模型SOTA。
1.参与视觉大模型、语音大模型研发，探索表征学习和模型架构设计等关键技术； 2.参与跨模态大模型研发，提升模型多模态感知、理解、生成和执行能力； 3.深入调研视觉、语音、文本等模态前沿技术，等提升模型通用智能水平；