阿里巴巴未来生活实验室-多模态大模型和认知推荐方向日常实习生
任职要求
1. 计算机视觉、自然语言处理、机器学习、数据挖掘、人工智能等相关专业的全日制在读硕士/博士； 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. CV、NLP、ML等基本功底，有MLLM实操经验，参与过大模型预训练，SFT，RLHF等项目者优先； 4…
工作职责
1. 多模态对齐（超大规模通用预训练、电商场景高效垂域SFT、训练部署加速、开放词汇理解）； 2. 增强式MLLM（RAG、CoT、MoE、Agent、RLHF、多轮交互学习）； 3. 数据中心飞轮（自动化数据收集/治理/合成、资源高效/集约学习）； 4. 基于大模型技术的搜推场景数据增强，知识增强，标签修正。
我们是小红书应用算法部/内容理解算法组，目前专注于内容理解场景的技术落地和产品预研。我们希望寻求优秀在读硕士生/博士生共同突破多模态/视觉大模型理解和生成算法在多模态内容理解行业落地的技术挑战，作为实习生，你将有机会与产品、工程紧密合作，将研究算法应用到实际问题中，并解决有难度有价值的问题，促进领域前沿技术的发展。欢迎投递简历。该岗位的核心研究方向包括但不限于： 1. 计算机视觉：解决视觉理解中指代关系特征归一化和识别研究； 2. 多模态表征：多源数据中多模态表征技术，包括局部/全局匹配、视频表征、多模态表征、对抗性和泛化性等问题。 3. 通用多模态大模型：通用多模态大模型在安全领域理解相关研究，包括强化微调、逻辑推理、多模态理解、幻觉消除及评价机制等。 我们希望在一个和多个方向做出有意义的、创新性的工作。
阿里国际风险管理部算法团队，负责国际电商（AliExpress、Alibaba国际站、Lazada、Daraz等平台）的商品风险、互动内容风险、营销反作弊、恶意行为、欺诈、虚假交易等各类风险的模型建设，综合利用各类的算法进行风险治理。面临多语言、多国别、复杂多变的风险，目前聚焦于下一代AI技术进行风控系统的升级，提升风险识别和治理能力。 国际化多语言多模态大模型的优化以及智能体的构建，落地到商品风险防控、营销作弊、欺诈等各类风险治理中，包括但不限于： 1、多语言多模态电商大模型的优化，包括：多语言多模态电商数据挖掘与清洗、数据配比、模型预训练、任务微调、强化学习偏好对齐等； 2、参与智能体框架的设计与实现，推动在各类治理场景中的落地。
阿里国际客户体验部算法团队，负责国际电商（AliExpress、Lazada、Daraz等平台）在线客服（图文沟通）、热线客服（电话沟通）、客服工作台的各类算法建设。面临几十种语言的复杂服务问题，目前聚焦大模型优化和Agent构建，在保证客户服务质量的情况下，大幅提升服务效率和降低服务成本。 国际化多语言多模态大模型的优化以及智能体的构建，落地到阿里国际电商各个平台的客服系统中，包括但不限于： 1、多语言多模态大模型的优化，包括：多语言多模态对话数据挖掘与清洗、数据配比、模型预训练、任务微调、强化学习偏好对齐等； 2、参与智能体框架的设计与实现，推动在国际各个电商平台上的客服系统落地。
阿里国际风险管理部算法团队，负责国际电商（AliExpress、Alibaba国际站、Lazada、Daraz等平台）的商品风险、互动内容风险、营销反作弊、恶意行为、欺诈、虚假交易等各类风险的模型建设，综合利用各类的算法进行风险治理。面临多语言、多国别、复杂多变的风险，目前聚焦于下一代AI技术进行风控系统的升级，提升风险识别和治理能力。 负责国际化多语言多模态大模型的优化以及智能体的构建，落地到商品风险防控、营销作弊、欺诈等各类风险治理中，包括但不限于： 1、多语言多模态电商大模型的优化，包括多语言多模态电商数据挖掘与清洗、数据配比、模型预训练、任务微调、强化学习偏好对齐等； 2、参与智能体框架的设计与实现，推动在各类治理场景中的落地。