阿里巴巴研究型实习生-面向多领域任务泛化的GUI Agent多轮强化学习方法研究
任职要求
1. 计算机科学、人工智能、机器学习或相关领域的硕士或博士学位。 2. 在多模态、大语言模型、Agent、机器学习等一个或多个领域有较深入的研究。 3. 具有出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题，有自主探索解决方案的能力者。 4. 能够积极创新， 乐于面对挑战， 负责敬业，优秀的团队合作精神，一起探索新技术，推进技术进…
工作职责
1. 探索研究多模态大模型、GUI agent、AI memory、多模态RAG等前沿技术。 2. 参与研发多模态、全模态大模型等下一代人工智能核心技术，探索面向真实环境的多模态智能体多轮强化学习，提升大模型能力。 3. 负责跟踪和研究多模态大模型前沿技术调研、落地、对业务进行优化。
1. 探索研究多模态大模型、GUI agent、AI memory、多模态RAG等前沿技术。 2. 参与研发多模态、全模态大模型等下一代人工智能核心技术，探索面向真实环境的多模态智能体多轮强化学习，提升大模型能力。 3. 负责跟踪和研究多模态大模型前沿技术调研、落地、对业务进行优化。
1.负责多模态理解大模型的前沿算法研究、实现与优化，重点攻克图像/视频理解、视觉问答、跨模态交互等关键任务。 2.参与构建和清洗大规模多模态数据集，探索数据增强策略，并可能建设高效的数据生产、标注和评估 pipeline，涵盖通用数据、视频、OCR等场景。 3.具备技术前瞻性与创新能力，跟踪国际最新技术动态，探索如多模态理解创新架构、音视频理解、Agentic RAG、AI Memory等新方向，并提出创新算法或方案，推动学术前沿发展。
1.负责多模态理解大模型的前沿算法研究、实现与优化，重点攻克图像/视频理解、视觉问答、跨模态交互等关键任务。 2.参与构建和清洗大规模多模态数据集，探索数据增强策略，并可能建设高效的数据生产、标注和评估 pipeline，涵盖通用数据、视频、OCR等场景。 3.具备技术前瞻性与创新能力，跟踪国际最新技术动态，探索如多模态理解创新架构、音视频理解、Agentic RAG、AI Memory等新方向，并提出创新算法或方案，推动学术前沿发展。
研究领域： 多模态医学影像处理 项目简介： 本项目旨在通过系统性的两阶段研究计划，全面革新全身CT影像的人工智能分析技术范式。当前，CT影像AI在临床实际应用中仍面临三大核心挑战：一是模型功能高度碎片化，难以实现跨病种、跨解剖区域的一体化分析；二是算法决策过程缺乏透明度，呈现“黑盒化”特征，阻碍医生对结果的信任与采纳；三是现有AI系统普遍缺乏对复杂临床场景的多步推理与上下文理解能力，难以支持高阶诊断任务。针对上述问题，本项目将从底层架构到临床落地协同推进，构建具备可解释性、泛化性和高级推理能力的新一代全身CT智能分析体系，推动医学影像AI从“辅助工具”向“临床伙伴”的实质性跃迁。