阿里巴巴日常实习生-视觉技术算法工程师
任职要求
1、硕士及以上学历，在以下方向至少有一年的科研或者工作经历：扩散模型、可控图像/视频的生成与编辑、3D生成、多模态理解、模型训练/推理加速；
2、在视觉方向有过实际项目落地经验，发表过CV&AI顶会论文优先，ACM编程竞赛、人工智能竞赛、计算…工作职责
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。
1、研究和探索可控的视觉内容生成技术，负责视觉内容生成模型等相关算法的研发和落地，结合公司业务场景进行相关策略迭代 2、探索时空内容可控生成技术，包括图片/视频风格迁移、镜头控制、空间一致性控制等 3、持续跟踪图像和视频生成领域的最新技术动态，评估并实施前沿技术，推动技术在公司产品中的应用与创新
职位描述： 1、设计、研发和优化3D视觉定位，场景重建等相关问题； 2、根据实际业务应用，持续对相关性能指标进行优化； 3、研究并持续跟进业内最新的3D视觉定位技术趋势，完成新方案的快速验证和落地。
1、设计、研发和优化3D视觉定位，场景重建等相关问题； 2、根据实际业务应用，持续对相关性能指标进行优化； 3、研究并持续跟进业内最新的3D视觉定位技术趋势，完成新方案的快速验证和落地。
1、参与多模态大模型与视觉生成大模型端到端安全评测体系建设，围绕内容安全、对抗鲁棒性、越狱攻击、防御有效性等方向设计并执行系统化评测方案，推动模型安全能力量化与评估标准完善。 2、参与多模态大模型与视觉生成大模型隐层表征风险感知能力研究，构建面向风险识别/安全判别的内部表征分析框架，探索模型在不同语义空间下的风险感知与决策机制。 3、参与多模态大模型与视觉生成大模型可解释性与模型探针（Model Probing）研究与落地，基于探针技术分析模型内部知识编码、风险表征分布及安全行为形成机制，提升模型安全决策透明度与可解释能力。 4、参与面向多模态理解与视觉生成场景的低侵入式插件化原生安全围栏算法研发，探索轻量、高效、可插拔的安全防护机制，提升大模型原生安全能力与部署灵活性。 5、参与多模态大模型与视觉生成大模型原生安全增强技术的探索与落地，研究以低侵入、最小打扰方式提升目标模型解码阶段安全性的关键技术路径，在保障模型安全性的同时平衡生成质量与用户体验。 6、跟踪国内外大模型安全、模型可解释性及 Runtime Safety Alignment等前沿研究进展，复现相关论文与开源方案，推动研究成果在实际业务场景中的落地应用。