阿里巴巴算法工程师-多模态大模型（T-Star Lab 日常实习）
任职要求
1、毕业时间在2026年11月及以后的海内外高校在校生。包括但不限于计算机、软件工程、人工智能、网络安全、信息与通信工程、电子科学、自动化、量子计算、数学以及其他前沿交叉学科等相关专业。 2、具备扎实的深度学习基础，熟练掌握 python，对 Transformer、Diffusion Model、VAE等架构有深入理解。…
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。
岗位课题： 1.基于多模态大模型的生成式推荐算法研究； 2.具备原生多模态能力与良好可拓展性的广告预估模型研究； 3.基于AI Agent的广告交互形式创新研究； 4.电商领域的图文、视频多模态内容理解与表征生成； 课题项目背景： 课题需要探索大模型、多模态大模型相关技术，如何帮助阿里妈妈的核心广告算法模型在预估性能、泛化能力、可拓展性等方面，取得代际突破；涉及到的技术难点，有大模型与广告模型的融合、LLM-based广告模型、电商域的多模态信息提取与预训练等方面。 相关技术突破，会应用到阿里妈妈展示广告的召回、预估模型当中，帮助广告模型更好地理解商品与用户，并更优的理解能力来做广告推荐，提升用户体验、投放效率与广告营收。 成长资源： 团队有丰富的算法研究经验、充足的GPU资源，能支持相关领域的算法探索、突破创新、论文发表；团队实际负责一线业务算法，能给T-Star Lab实习生一个很好的研究产出到实践落地的环境；团队曾引入多位往届头部同学，有充足的头部人才培养经验，同时有相关学术合作项目提供全方位资源支持。 岗位职责： 在这里，你将参与到使用大模型相关技术对阿里妈妈的核心广告算法模型、链路、业务的革新过程当中。通过探索大模型与经典广告模型的融合方案、万亿级参数模型的高效分布式训练、低延迟高吞吐要求的模型推理等方向，实现核心技术的代际突破，给海量用户、商家带来更好的购物与营销体验。以及有机会提前获得秋招直通T-Star的正式Offer。
1、负责多模态大模型在检索与推荐场景下的算法设计和模型开发，包括多源数据（文本、图像、音频等）的特征融合与相关性建模； 2、研究并实现多模态内容的智能检索与个性化推荐，参与召回、排序等系统模块的研发，推动多模态大模型在实际业务中的应用。
部门介绍 图像与多模态实验室致力于构建涵盖语言、视觉、语音等多种模态的基础模型，支持多模态感知、理解、推理、生成与编辑等核心任务。我们的目标是为模型应用提供世界一流的基础模型保障，推动从纯语言任务到多模态任务的拓展，并实现从数字世界到物理世界的深度融合。 岗位职责及目标 1、探索大规模/超大规模多模态视觉大模型，并进行极致系统优化，数据建设、指令微调、偏好对齐、模型优化； 2、探索统一的多模态大模型架构，打通理解与生成之间的壁垒，研究如何在单一模型框架下实现对多模态信息的深度理解与高质量生成； 3、探索多模态推理模型（Reasoning）架构、提升多模态在学科、通用视觉任务上的思考和推理能力； 4、探索多模态视觉大模型后训练方法，探索指令微调、强化学习等后训练策略，提升模型的性能；
业务介绍 ： 聚焦物流供应链，基于文本/图像/视频多模态数据，构建垂域多模态大模型，创新PT-SFT-RLHF方法论，赋能安全检测、违规巡检，降本增效。 岗位内容： 负责垂域多模态模型继续预训练，视频理解等能力的攻坚。