阿里巴巴算法工程师-拍立淘AIGC方向（T-Star Lab日常实习）
任职要求
1、硕士及以上学历，2026年11月1日以后毕业，计算机、人工智能等相关专业，能连续实习3个月及以上，具备基本的计算机视觉/机器学习/深度学习等相关理论功底 2、有相关方向的项目经验或者顶会论文发表者优先（如CVPR/ICCV/ECCV/NeurIPS/ICLR等） 3、在计算机视觉领域有高…
工作职责
岗位课题： 1、超真实感&优质美学人像内容生成算法与研究：结合专业人工反馈结果提升生成模型的人像真实感和美学 2、基于强化学习的高保真定制生成：通过强化学习进一步优化模型对于输入图像ID的定制表达和表达能力 3、强化学习在理解生成一体指令泛化中的应用：结合强化学习迁移大模型中的世界知识，泛化到开集生成任务指令中 课题项目背景： 拍立淘AI服饰项目旨在实现搭配推荐、搭配试穿和用户个性化搭配定制的需求。同时需要生产优质的搭配素材内容，模拟真实博主的人设和穿搭风格，投放至拍立淘、搜索、推荐等各场域，以满足用户逛搭配的种草需求。尽管图像生成技术已经在众多任务上展现出非常强大的能力，但是在严肃的电商应用场景仍面临比较大的挑战。在应用过程中，真实感、保真度和美观性是最重要的三大指标，传统的生成技术很难在以上三个的指标上都达到令人满意的结果。强化学习在增加大语言模型的推理能力方面已经被证明非常有效，而在扩散模型上的研究相对较少，为数不多的研究主要集中在文生图任务上，并不契合实际的应用场景。因此我们希望借助对强化学习的相关探索和创新帮助AI服饰项目提供更强更稳定的生成算法能力。 成长资源 ● 丰富的业务场景和需求：在拍立淘、搜索、推荐等场域都有服饰相关的生成需求，助力服饰电商的导购和种草场景 ● 海量的精心清洗的业务数据：团队长期以来致力于服饰相关的理解和生成需求，有大量经过算法链路清洗和人工校验的高质量业务数据 ● 成熟的算法链路和经验：已有多个服饰生成业务已经上线，积累了非常丰富的算法业务链路和优化经验 ● 专业的产运资源辅助加持：和产运团队合作，招聘并培养了超多优质的服饰美学顾问，为算法优化提供了强大的知识输入 岗位职责： 1. 在这里，你将从事电商场景下的视觉内容生成业务创新，在真实需求场景下做有价值的算法研究 2. 在这里，你将接触高质量的海量业务数据，助力做出真正满足商业级应用的算法 3. 在这里，你将影响海量用户的电商购物体验，做真正有影响力的技术
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
工作内容: 1、负责Deep Research系统的研发，基于推理大模型实现图文并貌的长文生成； 2、参与类Manus通用agent operator研发，持续优化agent规划能力及复杂任务的端到端完成率; 3、参与基于RL的推理模型训练及相关技术探索，提升大模型在业务场景的推理能力和泛化性； 4、对界前沿技术保持敏感，结合业务特点，探索前沿的算法技术并应用于实际业务，实现算法技术突破与创新。