阿里巴巴研究型实习生 - 在数据链路上基于新型硬件的性能加速研究
任职要求
1、计算机或相关方向博士、硕士在读。扎实的工程能力，优良的编程风格，熟悉Java/Python/C++语言和常用设计模式，具备复杂系统的设计开发调试能力； 2、优良的沟通表达能力、团队合作意识和经验；具备快…
工作职责
基于硬件（不限于FPGA）的硬件数据压缩系统研发 1、基于硬件（不限于FPGA）的压缩代码，构建结构化、半结构化、非结构化的统一压缩方案； 2、基于新型硬件压缩代码构建线上运行demo，通过测试数据验证压缩率，保证数据质量，传输延迟和在规定范围内； 3、基于demo的代码把压缩程序嵌入到现有的网关组件，对经过DG传输的数据进行压缩传输。
基于大模型（如通义千问）构建多因素（源库、目标库、源端网络、目标端网络、数据传输链路）根因分析与解决方案推建系统，并解决系统构建中的关键算法和技术，包括如下几方面： 1、设计合适的prompt，基于已有数据对模型finetune，并实现部署和线上应用； 2、构建知识库实现专家知识结构化，引入双向反馈通道，使能模型具备持续迭代能力； 3、与DTS工程团队一起上线系统，实现DTS线上异常任务自愈恢复。
研究领域： 其他 项目简介： 该项目主要关注于病人临床诊断报告、放射报告以及放射影像的多模态真实临床信息，对肿瘤T分期和癌症淋巴扩散的N分期有可能会影响下一步的癌症治疗临床指南 合作团队：复旦肿瘤医院胸部肿瘤科（食道癌）、北大人民医院的肺癌外科王俊院士团队以及国家癌症中心/山西省肿瘤医院 王洁 肺癌内科大主任/总院长团队 临床肿瘤clinical TNM staging是所有常见实体肿瘤在治疗和诊断指南和临床路径中 以及评估病人的疗效中最核心的信息。这个计算也是我们大产品的核心技术需要突破的模块，是属于非常艰难的本质性问题，能够自动化高精准的人工智能实现的话，对实现癌症治疗病人的普惠有重大的意义。而且对于全世界的病人都是急需的，但是目前整体的研发有重大的gap去弥补。
研究领域： 人工智能安全 项目简介： 大模型技术在网络安全的威胁检测领域已经有一定的应用基础，主要应用于分析海量网络流量和日志数据，识别异常行为和潜在威胁。例如，GPT-4在公共威胁检测中表现出极高的准确率，威胁识别准确率达100%，非威胁识别准确率为97.9% 。项目拟探索大模型在蚂蚁威胁感知领域的能力，主要包括大模型能力分析edr中的命令和脚本数据识别威胁，分析edr中的进程调用数据识别木马等恶意进程，识别edr中的网络数据识别恶意进程产生的恶意网络行为。
专注超大模型下游任务迁移技术的研究、探索和开发，具体职责包括： 1、深入研究超大模型精调算法与优化适配技术，研究基于任务特性的模型精调策略； 2、研究分析现有AI模型的精调算法与流程在跨领域任务迁移场景中的通用性问题，设计并实现可落地的技术； 3、结合阿里云PAI平台，通过精调多维度安全专家模型，提供可靠高效的领域安全检测服务，支持客户安全可靠地快速落地业务；