阿里巴巴算法技术- 视觉搜索任务中细粒度属性理解与应用-算法工程师实习生
任职要求
1.计算机视觉和深度学习等相关专业，本科/硕士/博士； 2.具备扎实的计算机视觉/机器学习/深度学习理论功底和算法经验，或者在该领域有优秀的学术成果 （例如，主流会议CVPR/ICCV/ECCV/NeurIPS/ICLR等，发表过一作论文）； 3.在计算机视觉领域有高影响力成果者优先， 例如，高引论文，或…
工作职责
1. 负责商品搜索相关的计算机视觉算法创新和研发，特别是大规模图像/多模态算法； 2. 服务于拍立淘图搜核心业务的视觉算法技术方向，包括商品多模态理解、图像理解、图像/多模态大模型应用； 3. 致力于为淘天大搜索核心业务打造行业领先的计算机视觉创新技术。
1、负责电商领域的多模态大模型/AIGC算法； 2、服务于淘宝图搜核心业务的大规模视觉和多模态大模型算法技术方向，包括商品多模态理解(VG）、图像理解（open-vocab detector、OCR、服饰细粒度分类等）、图像/多模态表征； 3、致力于为淘宝搜索核心业务打造行业领先的计算机视觉创新技术。
团队主要聚焦视觉AIGC技术，我们期待你的工作将覆盖以下至少一个技术方向： 1、多模态数据的采集和处理，包括但不限于文/图/视频/音频数据的过滤、打标、分析、安全审查等； 2、基础生成模型相关技术研究，包括但不限于VAE、DiT、AutoRegressive Model等； 3、图像视频生成和编辑相关技术的开发和落地； 4、3D重建和3D生成算法； 5、模型的训练/微调/推理加速方法，包括但不限于模型训练效率提升、高效低成本微调、模型部署加速等。
● 参与⻋道级导航业务，打造下⼀代导航产品。作为核⼼算法模块负责⼈，负责⻋道级视觉定位能⼒的建设。根据业务需求和问题，设计技术架构和问题解决⽅案，与上下游配合，完成技术在实际业务落地，保障产品交付效果。
团队介绍： 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。团队不仅在计算机视觉领域持续深耕，更将计算机视觉及AI技术在自主导航、高德打车、生活服务等多元化应用场景。 作为高德地图的核心技术驱动部门，我们以下一代三维地图引擎、多模态理解与生成、空间智能、世界模型等方向为核心，推动智能出行与真实世界连接的深度融合。 团队gihub主页： https://github.com/amap-cvlab 为何加入我们？ 1. 挑战业界顶尖难题： 处理百亿级位置数据，攻克动态世界中海量POI的实时、精准感知与理解，定义未来地图的“AI之眼”。 2. 驱动国民级应用创新： 你的技术将直接应用于高德地图数亿用户依赖的扫街榜等核心功能，实现从技术突破到产品颠覆的全流程落地。 3. 置身前沿技术浪潮： 在三维地图、世界模型、具身智能等前沿领域进行深度探索与研发。 4. 预研与业务深度结合：在这里，你将同时接触到面向未来的技术预研和支撑亿级用户的业务算法。我们提供从0到1的创新探索环境，也看重从1到N的规模化落地能力。 职位描述： 1.主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的应用架构设计、数据构建、模型训练与评测； 2. 运用SFT、RL等Post-training训练方法，探索多模态与RL的结合，提升大模型/多模态大模型在自主规划（Planning）、多步推理、多模态RAG、工具调用、复杂指令理解等方面的能力； 3.跟踪LLM、VLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用。