阿里巴巴阿里国际智能技术-多模态大模型算法工程师-日常实习生
任职要求
1.在计算机视觉、自然语言处理、多模态理解、数据分析与挖掘方向有相关项目和产品经验，对其中某一领域算法有深入的研究和应用； 2.掌握机器学习和深度学习基础知识，熟悉Pytorch、Tensorflow等至少一种深度学习框架，熟悉常用的CV、NLP等主流网…
工作职责
团队介绍： 我们是阿里巴巴国际数字商业集团-智能技术-商品基础数据算法团队，基于研发电商多模态预训练模型基座，通过多模态商品理解、商品同款匹配、商品属性&标签生产、知识图谱构建、图像搜索等核心技术的持续迭代，为平台沉淀高质量、结构化的商品数据资产和多模态大模型基座。主攻前沿方向：Continual Pre-Training/Post-Training 模型持续优化、SFT 监督微调与用户偏好对齐、RL 强化学习提升推理和决策能力、多模态（文本 + 图像）语义匹配。 职位描述： 1.负责研发电商多模态预训练模型基座，抽象并解决商品理解的基础问题使得模型具备业务通识能力，并构建针对大模型幻觉问题、推理能力、模型加速等关键问题的系统性解决方案，提高下游业务的迭代效率和效果上限。 2.基于多模态预训练大模型，设计和迭代 SFT+RL 训练方案，优化模型语义理解精度，落地商品理解关键场景任务，比如商品类目/属性/标签预测、商品同款、商品图搜等，负责关键场景的端到端全链路优化，实现业务指标提升。 3.学习前沿论文与把握技术趋势，深入理解底层算法原理，探索实验面向未来的硬核技术，实现核心技术突破和技术创新，发表相关论文。
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 工作内容： 1. 研发多模态大模型（MLLM），提升模型对图像/视频内容的深度语义理解、描述（Captioning）及问答能力。 2. 负责基于 Qwen-image-edit / Flux等架构的图像生成算法优化，提升生成质量、多样性和可控性。研发针对特定风格、人物或场景的 包括但不限于LoRA / ControlNet / IP-Adapter 等微调与控制技术。探索图像高清化（Upscaling）、局部重绘（Inpainting）及属性编辑等落地场景。 3. 负责文生视频（T2V）、图生视频（I2V）前沿算法的跟踪与实现（如 Sora,, Veo-3 类似架构）。优化视频生成的时空一致性、动作流畅度及长视频生成能力，探索视频风格迁移、数字人驱动及视频编辑相关技术。 T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ④有机会提前获得秋招直通T-Star的正式Offer。
岗位课题： 1.基于多模态大模型的生成式推荐算法研究； 2.具备原生多模态能力与良好可拓展性的广告预估模型研究； 3.基于AI Agent的广告交互形式创新研究； 4.电商领域的图文、视频多模态内容理解与表征生成； 课题项目背景： 课题需要探索大模型、多模态大模型相关技术，如何帮助阿里妈妈的核心广告算法模型在预估性能、泛化能力、可拓展性等方面，取得代际突破；涉及到的技术难点，有大模型与广告模型的融合、LLM-based广告模型、电商域的多模态信息提取与预训练等方面。 相关技术突破，会应用到阿里妈妈展示广告的召回、预估模型当中，帮助广告模型更好地理解商品与用户，并更优的理解能力来做广告推荐，提升用户体验、投放效率与广告营收。 成长资源： 团队有丰富的算法研究经验、充足的GPU资源，能支持相关领域的算法探索、突破创新、论文发表；团队实际负责一线业务算法，能给T-Star Lab实习生一个很好的研究产出到实践落地的环境；团队曾引入多位往届头部同学，有充足的头部人才培养经验，同时有相关学术合作项目提供全方位资源支持。 岗位职责： 在这里，你将参与到使用大模型相关技术对阿里妈妈的核心广告算法模型、链路、业务的革新过程当中。通过探索大模型与经典广告模型的融合方案、万亿级参数模型的高效分布式训练、低延迟高吞吐要求的模型推理等方向，实现核心技术的代际突破，给海量用户、商家带来更好的购物与营销体验。以及有机会提前获得秋招直通T-Star的正式Offer。
【工作职责】 1.负责面向自动驾驶极端场景下多模态大模型系统的算法研发与优化 2.负责面向自动驾驶图像质量评估相关算法的研发与优化 3.深度参与数据闭环、模型训练和部署、场景泛化性提升
1.负责多模态大模型（如图文理解、图文结合生成）的核心算法研究、设计与实现，包括但不限于模型结构创新、对齐技术、指令微调等，提升模型在线上业务的表现； 2.研究文生图、文生视频的强化学习后训练方法，提升图文一致性和生成稳定性； 3.紧密跟踪国内外多模态AI、大模型领域的最新研究进展，探索原生多模态生图和编辑模型设计和训练； 4.设计、实现并优化大规模多模态数据的预处理、清洗、标注、特征提取及高效融合方法； 5.参与团队内部的技术分享、专利申请、论文发表等工作，提升团队整体技术水平。