优酷优酷-AIGC算法工程师（多模态理解）-北京
任职要求
1、计算机相关专业研究生及以上学历, 扎实的计算机视觉基础，扎实的计算机视觉、自然语言理解、或大模型相关的算法基础 2、熟悉大语言模型、或多模态大语言模型、或图像/视频的理解，在视频标注、视频评价、视频审核等方向上有相关的项目研发或落地经验 3、有较强的工…
工作职责
1、多模态大模型的后训练和强化学习，完成视频描述生成，视频打标等视频理解任务； 2、建立文生图、图生图、文生视频、图生视频的质量评价标准，研发高精度的评价模型； 3、参与风险内容检测和商业化审核的算法研发工作；
-协助团队进行多模态大模型相关研究，包括高效微调、多模态理解对齐、玩法开发、幻觉消除、数据治理部署优化等相关工作 -参与项目的算法验证和优化，确保算法的效率和准确性 -协助进行文献调研，总结最新的技术趋势和研究进展 -参与团队内部的技术交流和分享会议
本岗位旨在通过多模态理解和生成技术，辅助影视设计和制作各流程的AI提效，具体职责包括但不限于： 1、多模态大语言模型的研究和应用，包括但不限于应用视频理解、视频评价，针对特定任务的有监督微调和强化学习等 2、图像/视频AIGC应用，包括图像/视频的可控编辑和生成等
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 工作内容： 1. 研发多模态大模型（MLLM），提升模型对图像/视频内容的深度语义理解、描述（Captioning）及问答能力。 2. 负责基于 Qwen-image-edit / Flux等架构的图像生成算法优化，提升生成质量、多样性和可控性。研发针对特定风格、人物或场景的 包括但不限于LoRA / ControlNet / IP-Adapter 等微调与控制技术。探索图像高清化（Upscaling）、局部重绘（Inpainting）及属性编辑等落地场景。 3. 负责文生视频（T2V）、图生视频（I2V）前沿算法的跟踪与实现（如 Sora,, Veo-3 类似架构）。优化视频生成的时空一致性、动作流畅度及长视频生成能力，探索视频风格迁移、数字人驱动及视频编辑相关技术。 T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ④有机会提前获得秋招直通T-Star的正式Offer。
拍立淘是阿里电商核心视觉搜索算法团队，致力于为淘宝搜索核心业务打造行业领先的计算机视觉创新技术，应用于多种电商场景（如拍照搜同款、电商创意AIGC、电商大模型），堪称国内最大的视觉算法应用场景之一。我们紧随技术潮流，不断进行商业和技术创新，期待有志之士的加入，让算法发挥价值，让技术更有影响力。 【招聘方向】 1. AIGC视觉生成（包括但不限于可控图像/视频生成、图像/视频编辑、图像驱动、定制化、试衣等）； 2.多模态大模型（包括但不限于大模型预训练、垂域微调SFT、RLHF、数据治理飞轮、训练部署加速等）； 3.图像/多模态理解（包括商品多模态理解VG、目标检测、OCR、图像/多模态表征等），其他任何感兴趣/有价值的方向欢迎交流讨论。 【实习工作环境】 1. 充裕的GPU资源，近千张A100/V100 海量业务数据和基础能力积累，帮助高效产出； 2. 来自国内外top学校的师兄/师姐的倾力指导充分尊重实习生个人意见，自由度高； 3. 产研结合，支持鼓励实习生投递顶会论文。