快手大模型算法实习生-【商业化】
任职要求
1、计算机科学、人工智能、电子工程等相关专业硕士/博士在读，扎实的算法与编程基础； 2、熟悉多模态大模型（如Transformer、CLIP、ViT等）及生成模型（如Diffusion、GAN）、熟练使用PyTorch/TensorFlow等框架，熟悉分布式训…
工作职责
1、大模型理解方向：探索多模态大模型在视频、图像、文本内容的理解能力，构建场景化模型，提升风险识别准召率； 研究视频/图像拒绝理由的可解释性归因方法，推动人机协同审核应用落地； 构建大模型在风险防控、开户业务等场景的垂类内容理解能力，优化模型对抗性及迭代效率； 开发视频、图文向量化表征技术，提升跨模态检索能力（如视频索引、图文相似性检索）； 2、大模型生成方向：研究多模态大模型（图像/视频）生成与修复技术，探索可控内容生成方法，提升风险素材过审率； 构建大模型训练、推理、评测的标准化流程，推动平台化能力建设与自动化迭代； 3、大模型推理部署方向：优化大模型推理框架（低延迟、高吞吐），研究量化、剪枝、动态调度等加速技术； 推动多模态大模型在工业级场景的轻量化部署落地。 *根据研究方向选择以上至少一个领域深入参与。
我们是网易云音乐算法团队，专注于行业领先的搜索或者推荐算法，我们致力于通过技术赋能云音乐各项业务，通过社区广场推荐，提升用户体验，产生商业化价值。 在这里你可以： 1、参与云音乐各场景相关的AIGC算法应用，使用NLP、多模态、LLM等技术，优化包括多模态内容理解、大模型交互式对话、大模型AI创作生成等业务应用的效果提升； 2、参与云音乐创新业务相关的算法优化，使用业界领先的深度学习、强化学习、图模型等，优化推荐、直播、声音、社交等业务的算法； 3、参与前沿的基础算法模型建设，包括继续预训练、视频生成微调，音乐生成训练等垂类基座模型的构建和应； 4、接触到亿级别海量、真实的用户数据，使用深度学习、强化学习、图模型等算法，发挥推荐的价值； 5、使用行业领先的大规模分布式机器学习平台，例如tensorflow等开源的工具，实现并不断优化推荐、搜索等算法。
-负责大型语言模型（主要以问答、文创、信息处理等）的评估标准制定，形成具有公信力的行业标准 -高质量评估，并对评估结果进行深入分析洞察，指导模型及系统策略优化 -与产品经理、工程架构、算法研发深度配合，共同推动产品迭代 -跟进市场动态，深入进行竞品分析、评估方案调研 -设计评估工具、自动评估等相关辅助产品，持续提升产品评估效率
工作职责 1. 利用LLM/VLM/ML/DM/DL/RL/图模型等技术解决小红书商业化风控场景中的实际问题 2.负责相关问题的分析、算法设计、模型研发以及推动上线，时刻follow与探索前沿技术
拥抱LLM技术，深度改进多模态内容理解技术，应用到小红书商业化广告审核场景中来解决实际业务问题； 1.负责NLP、CV、多模态相关算法研发与落地，包括但不限于笔记图文内容结构化、文本&多模态内容理解、主题发现、信息抽取、命名实体识别、智能摘要、意图理解等； 2.进行大模型前沿技术探索和研发，包含但不限于In-context learning、SFT、RLHF、DPO等，用大模型解决实际的业务场景问题； 3.负责对各业务场景下相关技术问题进行分析、算法设计、研发以及推动上线，提升业务效果；