小红书多模态算法实习生
任职要求
1. 计算机科学、电子、数学、统计学等相关专业，本科学历及以上； 2. 具有扎实的机器学习基础，对CV/多模态技术、NLP技术、GPT类技术有深入的理解，数理功底扎实，自学能力强； 3. 有扎实的编码能力，熟练使用相关机器学习框架和工程框架。对Hadoop和Spark技术有深入的理解和实践经验，能够高效…
工作职责
1. 参与超大规模通用多模态场景数据处理的开发和模型性能提升，研究内容包括但不限于：1）小红书笔记、评论等场景 2）互联网通用场景 3）各种垂类场景； 2. 有机会参与到构建全链路多模态数据流算法中（采集、处理、清洗、训练、推理、评估）； 3. 追踪全球范围内最前沿的多模态数据相关技术，有效凝练算法并应用在数据处理环节中； 4. 在具有挑战性的研究问题上不断深耕并达到业界顶尖水平。
1.深入开展内容安全治理多模态大模型的调研工作，跟踪前沿技术发展趋势，分析不同模型在该场景下的适用性。 2.协助团队进行多模态大模型的训练工作，包括数据预处理、模型搭建、参数调整等，以提升模型在内容审核任务上的准确性和效率。 3.参与模型性能评估，分析实验结果，提出改进方案，优化模型性能。 4.与其他团队成员协作，共同解决在多模态模型应用于内容审核业务过程中遇到的技术问题。
1、负责研发基于diffusion的low-level视频处理算法，专注于提升算法性能，包括但不限于网络架构设计（VAE和DIT）、算法优化、大规模数据处理以及Diffusion模型保真性提升； 2、负责研发基于diffusion的视频压缩和生成框架，致力于突破视频生成极限，涉及图像/视频压缩算法的创新设计和优化； 3、负责跟进和探索业界前沿视频修复技术，并根据业务需求进行创新和性能提升。
【岗位亮点】 顶会论文直通车：我们鼓励并全力支持你将研究成果发表到CVPR、NeurIPS等顶级会议，资深技术人员全程指导，算力充足。 核心业务组：智能创作发布，直接影响用户体验，专注于将前沿多模态大模型、AIGC 技术与小红书发布核心业务深度融合。转正机会大。 前沿探索与创新：聚焦多模-态大模型（MLLMs）前沿，在 多模态指令微调、多模态检索、个性化文案生成、RAG 等方向中选择你最擅长或最感兴趣的，提出并实现你的创新想法。 从想法到落地：负责从算法设计、实验验证到模型优化的全流程，用严谨的实验和数据说话，推动研究课题取得突破。
负责研发虚拟数字人多模态交互算法，整合语音、文本、表情、肢体动作等多模态信息，实现自然流畅的人机交互； 持续优化多模态交互算法，提升数字人对复杂多模态输入的理解与处理能力，增强交互的精准性和实时性； 探索端到端的数字人多模态交互技术； 跟踪人工智能领域的前沿技术在虚拟数字人项目的应用和落地。