高德地图高德-多模态大模型算法工程师/专家-内容理解和AIGC生成方向

负责图像、视频内容理解相关的大模型研发工作，包括但不限于视觉描述生成（Video Caption）、视觉问答（VQA）、多模态大模型（MLLM）等技术，通过内容理解相关算法在业务中的探索与应用，解决实际业务问题；

围绕高德的核心业务场景，研究大模型与推荐结合提升业务效果并落地，不限于LLM、多模态大模型SFT、RLHF、多模态理解、内容表征、推荐算法、行为序列建模、搜索算法。 团队介绍： 团队由国内外知名高校及主流互联网企业的资深专家组成，在顶尖期刊（如KDD、NeurIPS、ICLR、ICML、AAAI等）发表过多篇论文，是国内理论与应用实践相结合、应用算法创新的顶尖和超一流团队。

我们正在寻找一位充满激情的多模态算法专家，加入我们的前沿AI团队。你将专注于构建和训练先进的视觉语言大模型（Multimodal Large Models），推动技术在图像/视频内容理解与生成领域的创新。 【职位描述】 1.核心研发：负责视觉语言大模型的核心算法研发，主攻图像/视频描述生成 (Image/Video Captioning)、视觉问答 (VQA) 等关键任务。 2.模型训练：主导或深度参与多模态大模型的完整训练流程，包括数据构建、模型架构设计（如 Vision Encoder + LLM）、预训练与指令微调 (Instruction-Tuning)。 3.技术落地：负责模型性能的评估、优化与迭代，探索量化、蒸馏等技术，并推动模型在实际业务场景中的部署与应用。

1、参与电商多模态大模型（MLLMs）的持续预训练和指令微调（SFT），开发精准的商品图谱、用户意图理解、跨模态检索等核心能力，赋能搜索、推荐等业务； 2、负责多模态生成算法（如Diffusion Models, VAEs等）的研发与创新，致力于解决生成内容的质量、多样性、可控性、可编辑性及采样效率等前沿问题； 3、基于大模型构建文本/图像/视频多模态创作引擎，并推动其在电商业务场景的产品化落地，包括但不限于背景替换、虚拟试衣、图生视频、海报生成等创新应用； 4、通过DPO/PPO等强化学习算法，迭代Reward Model以指导多模态素材生成，引导模型生成更符合人类偏好、审美标准及业务目标的多模态内容，最终提升用户体验和商品转化率。