阿里巴巴研究型实习生-算法工程师-端侧LLM加速&语音大模型加速方向

1. 探索端侧大语言模型LLM的后训练、压缩、量化、解码加速等技术，实现Qwen系列模型的手机端、XR眼镜端、AI眼镜端的实时运行和低延迟回复。 2. 探索端侧语音多模态大模型的架构升级、后训练、压缩量化等技术，打造手机端、XR眼镜端、AI眼镜端能实时运行和低延迟回复的语音对话大模型。 3. 持续关注学术界和行业的最新研究动态，参与研讨会，与顶级团队进行交流合作。

1、负责神经渲染建模相关技术研究，包括模型表示、模型压缩、模型编辑、模型质量优化、模型仿真等等方面； 2、负责神经渲染建模相关图象图形技术研究，包括图像检测、分割、超分，位姿估计，Mesh模型优化等等； 3、负责扫描建模相关技术研究，包括可微分几何建模、可微分纹理生成、基于深度先验的建模算法等等； 4、负责神经渲染建模的渲染相关研究，包括重光照技术、神经渲染的材质表示、透明反光材质渲染等等； 5、负责结合生成技术做3D物体模型、3D场景模型的生成，保障生成模型的高效果、可控性等等。

研究领域： 深度学习 项目简介： 蚂蚁集团国际AI智能部正在寻找有激情并且具有创新能力的算法工程师，通过使用AI技术，推动蚂蚁国际化业务的发展。全面了解蚂蚁国际业务发展，提供基于时间序列预测、强化学习等算法方案解决复杂的实际业务问题的机会。 1. 基于电商行为、支付等数据，利用深度学习、时序预测等AI技术进行现金流预测和交易量预测，并深度参与时序预测基础模型研发，帮助国际更加安全、高效的进行资金外汇管理； 2. 结合蚂蚁国际资金场景的复杂性，结合强化学习技术设计资金运营决策优化方案和外汇交易策略，达到增收、控风险的目标。 3. 针对时间序列预测，核心解决模式坍塌、大规模数据采样、多模态等前沿技术问题

1.参与设计并实现单智能体/多智能体联合出价框架； 2.构建广告竞价中的反事实竞得率建模范式，优化多ADX环境下的广告主收益； 3.在开源仿真环境及真实日志上评估模型效果； 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。