阿里巴巴算法技术-冷启推荐研究型实习生项目-推荐算法实习生
任职要求
1. 自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生； 2. 熟练掌握Tensorflow、Pytorch等深度学习框架，扎实的编程基础，具备独立的算法实现能力； 3. 熟悉多模态模型的建模与建模，有多…
工作职责
1. 探索多模态（去ID化）在电商冷启场景的落地，优化冷启商品/内容的分发效率； 2. 探索冷启动与跨域推荐，构建可迁移的统一冷启推荐大模型，实现不同业务场景下的高效迁移和应用； 3. 优化大规模模态编码器的训练及推理策略，提高资源利用效率，降低模型训练时间和GPU内存消耗； 4. 结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流。
设计并实现高效的2d/3d人脸/人体生成、重建与编辑算法，包括但不限于：几何建模、纹理合成、表情与姿态生成。 研发高保真数字人驱动技术，如：基于语音/文本的表情/口型/动作同步生成 (audio/text-to-face/body animation)，基于视频的动作捕捉与迁移。 探索并应用生成式模型 (如 gans, diffusion models, vaes, nerf 等) 于数字人的创建、编辑、动画和渲染环节。
1. 跟进多模态大模型（vLLM）预训练、SFT、RLHF等技术，调研与跟进最新进展；负责多模态相关性大模型、多模态大模型稀疏检索和稠密模型，多模态大模型个性化预训练方向，以及多模态大语言模型的训练和推理加速； 2. 多模态大模型个性化预训练：研发个性化预训练模型，探索在训练样本、模型参数量等维度上scale-up能带来的收益，研究在电商搜索场景下, CTR和CVR 模型中用户动线特征的挖掘和应用，包括用户行为模型的获取、特征设计、结构优化等个性化建模； 3. 多模态大模型的训练和推理加速：协助研究和开发多模态大语言模型的加速技术，包括但不限于量化、剪枝和蒸馏，以及数据特征和调度优化；实现和优化多模态大模型推理框架，以提高推理速度和效率；与工程团队合作，解决机器学习模型在部署过程中的性能问题； 4. 多模态大模型相关性模型：研发基于多模态大模型的相关性标注和评测大模型，应用到体验实验评测、体验监控、离线数据标注、线上相关性判断等方向； 5.多模态大模型稀疏检索和稠密模型：研究方向包括不限于：电商词表生成、多模态稀疏词表和稠密表征技术、LLMs幻觉缓解等问题。
1.跟进商品内容理解&结构化/商品质量甄别/商品标题&图片生成等任务下业界前沿算法的落地； 2.负责商品检索相关的计算机视觉算法的创新和研究，包括但不限于：目标检测、图像分类、图像表征、图像校正与增强等相关算法研究； 3.跟进商品知识库构建&知识标准化等方向下业界前沿算法的落地； 4.负责跟踪业界前沿NLP&CV技术进展，寻找有价值的科研问题，开展前沿算法的研究工作，推进技术进步。
1. 跟进和设计基于强化学习的生成式Listwise混排框架，重点研究探索多目标reward设计、强化学习优化算法、兼顾激励相容原则等方向； 2. 结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流。