阿里巴巴算法工程师- 跨模态理解与视频生成处理方向（T-Star Lab 日常实习）
任职要求
1.本科及以上学历，计算机科学、人工智能、电子与通信等相关专业；面向2026年11月及以后的海内外高校在校生。 2.精通Diffusion模型及相关技术，掌握T2V基础模型及相关技术原理，有图像/视频生成或处理相关经验； 3.具备卓越的工程实现能力，熟练掌握C/C++、Java、Python等至少一门编程语言； 4. 熟练掌握深度学习框架，如TensorFlow、PyTorch； 5.学习能力强，对新技术有敏锐的洞察力，对AIGC领域充满热情，善于独立思…
工作职责
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AI技术，在有价值的业务场景落地技术成果。 如果你，渴望深入探索视频生成技术，开发文本到视频（T2V）基础模型的前沿技术，致力于提升生成视频的画质，真实性，一致性，以及视频生产的效率； 如果你，热衷于AIGC驱动的视频增强与处理技术，专注于将通用大模型架构优化并迁移到垂直领域，推动下游应用性能的突破； 如果你，专注于基于AIGC的可控性编辑，探索如何精准实现内容生成与修改，满足多样化的业务需求； 如果你，对基于AIGC的人脸，人体生成编辑技术充满热情，致力于打造具有高度交互性和真实性的数字形象； 如果你，期望在多模态视频理解领域取得突破，通过技术创新提升视频内容的理解与分析能力； 如果你，期望与一群聪明、皮实、乐观、追求卓越的优秀伙伴并肩作战，共同开创音视频技术的新篇章； 那还在等待什么，赶紧加入我们吧！ T-Star实习可以带给你什么？ •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 岗位研究课题： 【视频增强】基于文生视频（T2V）的跨模态高保真视频增强算法。 【视频生成】聚焦跨模态可控视频生成与编辑，多模态指令驱动下视频合成，保持时序、主体身份一致性。 【人像美化】基于大模型的妆容迁移、脸型/体型智能编辑以及人脸/人体美化。 【跨模态理解】基于多模态大模型，处理视听协同感知、复杂语义一致性、崩坏识别、商品高光定位等high-level的音频、视频理解任务。
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。首次开设实习生专项招聘，面向2026年11月及以后毕业的校优秀技术同学。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。 如果你，渴望深入探索视频生成技术，开发文本到视频（T2V）基础模型的前沿技术，致力于提升生成视频的画质，真实性，一致性，以及视频生产的效率； 如果你，热衷于AIGC驱动的视频增强与处理技术，专注于将通用大模型架构优化并迁移到垂直领域，推动下游应用性能的突破； 如果你，专注于基于AIGC的可控性编辑，探索如何精准实现内容生成与修改，满足多样化的业务需求； 如果你，对基于AIGC的人脸，人体生成编辑技术充满热情，致力于打造具有高度交互性和真实性的数字形象； 如果你，期望在多模态视频理解领域取得突破，通过技术创新提升视频内容的理解与分析能力； 如果你，期望与一群聪明、皮实、乐观、追求卓越的优秀伙伴并肩作战，共同开创音视频技术的新篇章； 那还在等待什么，赶紧加入我们吧！
我们是京东科技，作为京东集团旗下专注于以技术为产业服务的业务子集团，秉承“以科技引领产业数智化升级，推动世界更加高效和美好”的使命，为企业和金融机构等客户提供全链条的技术产品与服务。我们目前已服务超95%的央企、超2500家大型企业、944家金融机构和超250万家中小微企业。在供应链金融领域，以数智供应链+供应链金融的“双链联动”模式，面向企业和金融机构输出供应链金融科技平台的技术及运营能力，助力产业链上的中小微企业高效便捷获得融资服务。在企业服务领域，基于全栈式云服务产品，帮助企业实现数智化升级。加入我们，一起用技术让生活更美好！ 岗位职责： 1.深入理解业务需求，利用SFT、RLVR、Agent RL等多种后训练技术，优化对话效果，提升业务效果天花板； 2.结合对大模型系统框架及模型能力边界的理解，设计并搭建Agent架构，包括React、Plan-Act、Generate-Verifier、Multi-Agent等，探索Agent Test-Time-Scaling技术； 3.密切跟进LLM领域最新研究成果，积极参与新业务的探索研究，结合对业务场景的充分理解，寻找最佳解决方案。
1、 参与平安业务相关基于最新大模型相关技术的对话助手、图文分类、文本摘要、文本生成、语言模型、情感分析等相关NLP工作； 2、 跟进NLP领域前沿技术，对现有产品和技术方案进行持续改进，同时探讨和开发新的产品。 3、负责金融领域大语言模型（LLM）的选型、微调（Fine-tuning）、提示工程（Prompt Engineering）和检索增强生成（RAG）等技术的研发与应用。 4、构建和优化基于大模型的Agent开发，赋能保险行业AI助手、AI售卖、智能助手等场景。 5、跟进大模型和NLP领域的最新研究进展，并探索其在金融场景的落地可能性。 6、与数据工程师、后端开发和产品经理紧密合作，将算法模型高效、稳定地部署到生产环境。
⭐基于langchain等工业级Agent框架搭建内容创作Agent、数据挖掘Agent、运营Agent、Co-work Agent ⭐使用sft、rl等方式训练工作流中的中间件模型和应答模型 ⭐面向真实用户需求，持续优化内容呈现效果、系统开销