爱奇艺算法工程师（内容理解）-26年校招
任职要求
-本科及以上学历，24/25/26届毕业生，应用数学、统计学、人工智能相关专业优先； -扎实的计算机编程功底，熟悉linux环境，熟悉python语言； -有扎实的数据结构和算法功底，熟悉机器学习、自然语言处…
工作职责
-负责内容理解算法的研发与应用，支持戏剧、电影等多个场景的内容预测，支持内容立项决策、资源定级等场景； -跟踪大型语言模型（LLM）等前沿技术的发展和应用，并将其应用于内容理解场景，如选角； -跨部门协作，摄入理解并收集业务需求，提供切实可行的解决方案，确保算法在业务中的高效应用与效果评估。
作为AI智慧观赛产品团队的核心算法成员，负责驱动体育赛事视频内容理解技术的研发与创新。目标是让系统精准、实时地识别赛事中的核心元素与关键事件，为AI智能解说、多维赛场智瞰等核心功能提供高质量底层数据支撑，最终打造业界领先的AI观赛体验。 1. 核心视觉模型研发：负责体育赛事视频理解核心模型的构建、训练与优化，重点研究实时目标检测与跟踪（球员、球、裁判、场地标识等）、行为动作识别（射门、传球、运球、击球等）、关键事件检测（进球、犯规、得分、暂停等）技术，确保赛事核心信息捕获的准确性与实时性。 2. 多场景适配与鲁棒性优化：针对足、篮、乒等不同赛事的运动特性、场地规则差异，以及光照变化、遮挡、快速运动模糊等复杂场景，优化模型的泛化能力与鲁棒性，保障跨赛事、跨场景的稳定识别效果。 3. 视频语义信息提取：设计并实现赛事结构化数据生成方案，从视频流中提取球员轨迹、攻防转换节奏、战术阵型变化等语义信息，将原始视频数据转化为可被大模型理解的结构化特征与事件标签。 4. 实时性与工程化落地：优化模型推理速度与资源占用，结合TensorRT等推理加速框架，实现视频理解算法的端到端高效部署，满足赛事直播
岗位课题： 探索生成和理解统一模型对视觉理解的增益 课题项目背景： 基于推荐和内容场景，通过多模态、大模型技术，应用于内容质量审核、内容基础信息完善、推荐泛化性探索等场景；我们有海量的商品、用户行为数据，能让实习生将前沿技术落地，并在真实应用和用户反馈中实现技术价值。 岗位职责： 在这里，你将深度参与并探索多模态、大模型技术给推荐、内容应用场景带来的新可能、新突破。这些技术成果，也将具体体现在每日用户使用和反馈的效果提升上。
1、负责快手短视频多模态内容理解工作，应用计算机视觉、NLP、多模态融合等技术，提升短视频内容体系建设、推荐、搜索的效果和体验； 2、基于多模态模型在下游业务上的应用，包括并不限于多模态分类、标签、caption等文本生成等； 3、负责计算机多模态理解方向前沿问题的研究，参与建设并持续保持部门在多模态业界的技术先进性，保持创新的同时将业界SOTA模型持续优化并落地至线上获得收益。
1. 负责医疗AI搜索场景下内容理解模块的算法研发与优化，包括但不限于医学文本的分类打标、结构化抽取、摘要，时效、权威特征体系构建，医疗Graph的搭建和挖掘等，构建高质量的搜索索引特征。 2. 深入研究并应用大语言模型进行内容理解，利用Prompt Engineering、微调等技术提升内容摘要、长文本建模及知识抽取的准确度。 3. 负责内容质量与权威性建模，针对搜索结果进行点击质量、低质识别、作弊检测及内容可信度评估，优化搜索结果的排序上限。 4. 探索多模态理解技术，实现文本、图片、视频等多维特征的对齐与融合，提升多模态搜索场景下的内容解析能力。 5. 协同召回与排序团队，通过知识图谱或语义图谱的建设，为搜索全链路提供语义增强特征，持续通过Badcase分析驱动理解模型的迭代。