阿里巴巴业务技术-视觉AIGC实习生
任职要求
【必备项】 1、本科及以上学历，计算机、人工智能、电子与通信等相关专业； 2、熟悉计算机视觉、机器学习、图像分析与处理等相关领域技术和应用，有图文多模或者AIGC图像生成编辑相关经验者优先； 3、具备较强的工程实现能力，熟练掌握Python，熟悉pytorch开发； 4、学习能力强，对新事…
工作职责
● 前沿技术研发与落地负责扩散模型（Diffusion Models）的微调与优化工作，融合图文多模态技术（Vision-Language Models, MLLM）、生成式AI（AIGC）等前沿技术，打造下一代通用图像理解与编辑工具。涵盖但不限于以下方向： ● 通用图像生成编辑：构建智能化的通用图像编辑生成能力，支持多样化场景下的自动化编辑需求, 实现类似GPT4O的基于文本的通用图像编辑能力； ● 多信息注入生成：探索基于多条件约束的高质量图像生成技术，实现精准可控的内容创作； ● 虚拟试穿（Virtual Try-On）：研发高效、逼真的虚拟试穿解决方案，推动时尚与零售行业的数字化转型； ● 视频生成与编辑：突破静态图像限制，开发动态内容生成与编辑能力，赋能多媒体创作生态； ● 技术创新与业务赋能密切跟踪AIGC（AI-Generated Content）领域的最新研究成果与技术趋势，深入解析顶级会议论文（如NeurIPS、ICLR、CVPR等），并快速将前沿理论转化为实际业务应用。通过技术创新驱动产品升级，为公司打造领先的AI内容生成能力。 关键亮点： ● 技术成长与学习机会：通过参与扩散模型、多模态技术和 AIGC 等前沿领域的研发，快速提升你的技术能力；接触到行业最热门的技术方向（如虚拟试穿、视频生成等），积累宝贵的实战经验； ● 顶尖资源支持：依托淘天集团海量的数据资源和强大的计算能力，为你的研发工作提供坚实保障； ● 开放协作的团队文化：加入一个聪明、包容且乐于分享的团队，在跨领域合作中拓宽视野、提升沟通能力；在团队中获得导师指导，帮助你快速适应工作节奏并实现个人成长。
团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行"激发生意新可能"理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题介绍： 1、核心技术架构： 1）下一代广告技术栈： 模型算法层：搭建基于强化学习的智能出价与流量预估系统，攻克深层转化场景下的数据稀疏、多源异构数据融合（延迟数据/埋点噪声/跨平台行为）等行业难题； 系统工程层：构建支持基于长序列特征的实时预估框架，研发支持动态创意组合的自动化投放引擎； AIGC融合层：建立文/图/视频多模态生成技术中台，实现从IP素材生成到智能投放的全链路闭环； 2）行业首创的AIGC解决方案： 正在搭建全球领先的"小说→漫剧"智能生产线，攻克三大技术堡垒： 多模态叙事引擎：研发支持角色一致性保持（Character-aware Diffusion）、分镜自动生成（Storyboard LLM）、动态运镜控制（Camera ControlNet）的复合型生成框架； 工业化工作流：构建支持分布式渲染、多版本AB测试、合规性审核的智能生产管线，实现日均千级素材产能； 投放增效系统：开发生成质量量化评估模型（QAGAN），建立素材生成-投放效果的反哺优化机制； 2、岗位挑战： 你将主导： 构建支持沿模型的混合推理框架，优化多卡并行下的生成效率； 设计跨模态对齐算法，提升文字指令到视觉元素的可控生成精度； 研发基于用户行为分析的智能素材变异系统，实现CTR提升30%+的个性化内容生成； 打造从内容生产到实时竞价的全自动化广告引擎； 3、我们期待这样的开拓者： 精通Diffusion Models技术栈，具有LoRA/ControlNet/T2I-Adapter等微调框架的实战调优经验； 熟悉多模态大模型（如VideoPoet、Sora等视频生成技术原理），具备跨模态表征学习研究背景； 拥有广告算法背景者优先，熟悉CVR预估、智能出价等核心模块与生成式AI的结合点； 出色的工程化能力，主导过至少一个完整AIGC项目的端到端落地（从模型训练到服务部署）。
1、负责通过基于大语言模型及多模态大模型的微调、prompts调优、指令构建及演化技术，将大模型的生成、理解、交互能力在公司核心业务场景应用落地，包括但不限于AIGC创意生成、视频处理、智能化特效、智能对话、代码生成、音视频传输、电商场景内容理解等； 2、负责LLM及多模态大模型的应用中台及相关技术模块搭建，包括但不限于Agents 、RAG、 function call、system prompts等，探索大模型应用前沿及新兴应用场景； 3、跟踪行业及大模型技术发展，结合业界前沿技术和业务需求，打造大模型应用的最佳实践； 4、了解业务，与公司各技术团队密切配合，能与产品、运营等角色高效沟通需求和目标，发挥自己的主观能动性，设计技术解决方案，培养自己的良好的业务sense和综合素质。
1、协助支持海外广告投放与优化的数据整理和收集，媒体平台不限于Google Ads、Facebook Ads、TikTok等；参与AI产品海外投放业务各个环节的日常数据监控与洞察，维系多维度的投放表格；通过数据追踪和分析，支持广告效果最大化； 2、针对海外达人进行内容审核，评稿，达人筛选工作；对接但不限于TT，INS渠道代理，把控达人质量和推广内容的优质度。为效果负责，支持累计和分心达人转化数据和后端效果； 3、针对投放素材进行创意收集和英文本地化审核，有一定的视觉广告sense，能够支持素材批量产出，分析不同创意、文案、投放时间等对广告效果的影响；协助海外投放调研工作，分析各国广告市场投放趋势和素材收集、竞品投放策略和用户行为，为投放策略调整提供数据支持； 4、支持日常部门协同和对接，沟通商店业务和技术部门，协助把控投数据的对接和同步。
1、负责通过基于大语言模型及多模态大模型的微调、prompts调优、指令构建及演化技术，将大模型的生成、理解、交互能力在公司核心业务场景应用落地，包括但不限于AIGC创意生成、视频处理、智能化特效、智能对话、代码生成、音视频传输、电商场景内容理解等； 2、负责LLM及多模态大模型的应用中台及相关技术模块搭建，包括但不限于Agents 、RAG、 function call、system prompts等，探索大模型应用前沿及新兴应用场景； 3、跟踪行业及大模型技术发展，结合业界前沿技术和业务需求，打造大模型应用的最佳实践； 4、了解业务，与公司各技术团队密切配合，能与产品、运营等角色高效沟通需求和目标，发挥自己的主观能动性，设计技术解决方案，培养自己的良好的业务sense和综合素质。