阿里巴巴AI应用开发实习生
任职要求
1、本科及以上学历，数学、信息安全、网络安全、计算机、软件、人工智能、通信等相关专业； 2、熟练掌握C/C++，计算机基础扎实，有较好的工程实现能力； 3、对于机器学习和数学有较强的理解能力，有机器学习领域经验（计算机视觉、语音、NLP、推荐系统）者优先； 4、热衷于数据结构和算法、在ACM大赛成绩优异者优先。
工作职责
【职位描述】 在这里，你将参与淘宝图片、视频、直播等丰富的内容业务场景，为用户的内容创作、消费体验提供更多的创意和能力； 在这里，你将与算法同学深度合作，进行算法和推理系统的联合深度优化，为各类算法模型在淘天的产品中应用提供有力的支撑； 在这里，你将会跟踪前沿技术（如模型量化），深度探索性能优化与工程效率的提升方案。 【职位职责】 包括但不限于： 设计和实现机器学习系统所需要的大规模分布式计算系统； 设计高性能的推理系统与高利用量的弹性资源调度系统； 在机器学习系统的前沿领域参与应用驱动的研究； 收集理解淘天AI的需求并转化为技术系统设计。
1、参与LLM的应用开发和优化，参与相关产品技术方案的研究和设计，调研和分析； 2、参与LLM模型的训练与微调，及模型性能评估和优化； 3、进行大规模数据集的收集、清洗和预处理； 4、协助将LLM集成到现有系统中，并参与模型的部署和维护；
我们能提供什么？ 今年不愧是Agent应用元年，已有大量优秀产品涌现。在有赞内部也以高频的黑客松活动来鼓励每一位小伙伴积极投身场景探索。 在有赞你可以充分发挥想象力，沉浸式体验2B业务的Agent项目，并通过多维度场景理解+技术创新+工程应用落地，进入真实商业环境、理解业务决策与AI应用的关系。 核心能力要求 ： 需具备扎实的工程能力，有实际开发过 agent 相关应用或平台的经验； 对技术保持好奇心，愿意探索前沿领域（如 agent 框架、context engineering、智能体应用等）； 注重实际落地，能将技术转化为业务价值； 技术方向侧重 ： 关注 agent 框架（如GitHub - alibaba/spring-ai-alibaba: Agentic AI Framework for Java Developers、https://openai.github.io/openai-agents-python/、https://strandsagents.com/latest/） ai 网关（如GitHub - BerriAI/litellm: Python SDK, Proxy Server (LLM Gateway) to call 100+ LLM APIs in OpenAI for、cloudflare 的 ai gateway） browser-use（如GitHub - browser-use/browser-use: 🌐 Make websites accessible for AI agents. Automate tasks online wi、fellou） 通用 agent（如GitHub - kortix-ai/suna: Suna - Open Source Generalist AI Agent、GitHub - FoundationAgents/OpenManus: No fortress, purely open ground. OpenManus is Coming.等） 建议从 rag、text to sql、sandbox、deep research 中选一个深入研究
1、负责 Kaleido 低代码平台与 AI 大模型的集成与应用场景实现。采用先进的工程方法，将 AI 能力融入低代码开发流程，打造新一代智能应用； 2、对复杂 AI 应用场景进行任务分解（参考 CoT、ToT 等思想），通过实验验证任务分解的有效性和合理性； 3、结合 Kaleido 平台的特性，充分利用不同 AI 模型的能力，优化应用在低代码环境中的表现（良品率、稳定性、性能）； 4、探索 AI 与低代码结合的前沿技术，将创新想法快速转化为 Kaleido 平台上的实际应用。
1. 协同业务部门识别AI应用机会点，设计并落地面向具体业务场景的AI解决方案，提升业务流程效率与智能化水平； 2. 探索前沿AI技术，包括但不限于多模态大模型、Agent架构设计、RAG技术优化、工具调用链路设计等，并快速构建原型验证技术可行性； 3. 跟踪AI技术发展趋势，深度研究相关产品、开源项目、前沿论文，提炼核心技术要点并在团队中分享，推动技术创新应用； 4. 设计并实现企业应用各业务领域的AI增强解决方案，包括但不限于智能数据分析、自然语言处理、文本理解与生成、知识图谱构建等能力的整合； 5. 参与构建企业级AI中台能力，为各业务线提供统一的AI服务接口和能力抽象，实现AI能力的标准化输出和复用； 6. 参与制定企业AI能力建设规划，评估业务场景的AI适用性，提供AI赋能方案的技术可行性分析； 7. 参与AI应用的全栈开发，从模型调优到应用部署，具备端到端的实现能力； 8. 对复杂AI应用场景进行任务分解和流程优化，结合上下文工程、多轮对话管理、RAG架构设计等技术，通过实验验证解决方案的有效性和合理性。