阿里巴巴研究型实习生-阿里妈妈-AIGB基础大模型实习生
任职要求
职位要求： * 计算机/自动化、数学/物理、人工智能等相关专业的博士或优秀硕士； * 聪明、自信，敢于突破，对技术有执着的追求和热爱。 * 以下条件优先考虑： * 作为第一作者在顶级国际会议或期刊上发表过论文； * 参与开源项目并获得100以上的star； * 在有影响力的比赛中取得优异成绩。
工作职责
阿里妈妈-智能广告平台团队负责阿里妈妈核心广告产品的广告主投放效果优化、广告产技能力创新和客户增长。我们通过挖掘广告主多元需求，升级智能投放能力提升投放效果，带动广告预算增长。技术上，我们通过基于大模型、生成算法、强化学习的出价Agent对智能出价系统进行深度优化。 我们在智能出价领域有丰厚的技术底蕴，在NeurIPS、KDD、WWW等国际高水平会议上发表学术论文，并通过技术创新显著提升业务效果。决策智能技术是人工智能的关键研究领域，在大型博弈环境中有广泛应用，例如在线广告、金融市场、电子商务和能源交易。在线广告是典型的大型博弈场景，随着生成算法在广告决策领域的初步成功应用，我们相信决策领域的大模型蕴藏着巨大潜力和广阔的技术探索空间。 具体职责： 1. 深入运用生成算法（如Diffusion、Transformer等）对出价决策模型进行探索与迭代。 2. 探索大模型（LLM）与出价决策模型的融合方案，包括但不限于特征增强、环境建模、端到端决策等。 3. 跟进业界前沿技术趋势，开展前沿算法的研究工作，撰写发表论文。结合实际业务需求，将技术应用到实际业务场景。 加入我们，您将获得： 1. 贴近工业实践的技术挑战，享有丰富的数据资源和强大的计算支持。 2. 深度参与研发团队内部研讨，与顶尖专家共同探讨前沿技术，合作发表国际顶级会议论文。 3. 一对一的行业专家指导，助力业界领先并具有巨大影响力的工作。 4. 可观的实习薪酬以及校招人才计划的绿色通道。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动Seed团队成立于2023年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代AI交互等、在中国、新加坡、美国等地设有实验室和岗位。 Seed团队在AI领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的AI研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过50个应用场景。 1、开发蛋白质基础大模型，并用于蛋白质序列和结构的设计，比如抗体设计； 2、开发蛋白质构象生成算法和模型； 3、开发端到端的冷冻电镜蛋白质动态结构重构算法和模型； 4、调研已有工作，制定研究方案，完成算法研发，模型训练，实验和论文写作等。
ByteIntern：面向2026届毕业生（2025年9月-2026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：字节跳动Seed团队成立于2023年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代AI交互等、在中国、新加坡、美国等地设有实验室和岗位。 Seed团队在AI领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的AI研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过50个应用场景。 1、开发蛋白质基础大模型，并用于蛋白质序列和结构的设计，比如抗体设计； 2、开发蛋白质构象生成算法和模型； 3、开发端到端的冷冻电镜蛋白质动态结构重构算法和模型； 4、调研已有工作，制定研究方案，完成算法研发，模型训练，实验和论文写作等。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、开发自然科学的基础大模型，用于蛋白质结构预测、分子构象生成和蛋白质设计； 2、利用公共基准和数据库评估新的AI/ML方法； 3、与多学科团队密切合作，将创新算法应用于解决前沿挑战。
团队介绍：字节跳动ByteDance Research专注于人工智能领域的前沿技术研究，涵盖了机器翻译、视频理解基础模型、机器人研究、机器学习公平性、量子化学、AI 制药、分子动力学等多技术研究领域，同时致力于将研究成果落地，为公司现有的产品和业务提供核心技术支持和服务。 课题介绍： 我们利用Al技术进行药物的自动发现和设计，大幅降低药物开发的成本，推动药物开发的范式转移。主要利用深度学习进行大分子药物的设计。 领域优势：团队在生成式蛋白质设计、蛋白质构象预测以及冷冻电镜解析等领域取得了业界瞩目的成果。 在生成式蛋白质设计方面，团队研发了基于大规模蛋白质语言模型的序列设计方法LM-Design，大幅提高了蛋白质序列设计的准确度与效率；研发了结合扩散模型与语言模型的新一代蛋白质基础模型DPLM和DPLM-2，首次全面统一了蛋白质序列和结构的联合建模、理解与生成；研发了基于偏好优化的抗体设计方法AbDPO，能够设计出同时满足多种性质和能量要求的抗体。在蛋白质动态构象预测方面，团队研发了ConfDiff等模型，准确预测了蛋白质的构象变化，加深了对蛋白质生物过程的理解，还为新药研发提供了可靠的理论基础。冷冻电镜解析方面，团队研发了CryoSTAR电镜解析工具和CryoFM冷冻电镜基础模型，结合人工智能技术和高分辨率成像，极大地提升了生物大分子结构解析的速度和精度。这一技术有助于揭示复杂生物分子体系的构象特征和动态变化，为药物靶点的发现与设计提供了强有力的支持。 团队的研究成果多次发表在ICML、NeurIPS、ICLR等顶级学术会议上，得到学术界和业界的广泛认可。 1、开发自然科学的基础大模型，用于蛋白质结构预测、分子构象生成和蛋白质设计； 2、利用公共基准和数据库评估新的AI/ML方法； 3、与多学科团队密切合作，将创新算法应用于解决前沿挑战。