阿里云研究型实习生 - 基于人工智能的数据库自动调优方案研究
任职要求
1.计算机方向博士或硕士在读； 2.具备复杂系统的开发能力，熟悉Python、C++与常用设计模式； 3.熟悉LLM技术，包括训…
工作职责
数据库智能调优方案研发，具体职责包括： 1.通过应用Agent、RAG等技术，开发大语言模型驱动的数据库智能调优工具，包括自动计划标注管理、表结构优化、自动构建物化视图等能力； 2.设计基于历史SQL运行数据的LLM训练与调优方案，并建设持续在线学习能力； 3.设计智能优化评估工具。
职位描述： 1、参与Agent系统的原型构建与落地，探索提升Agent自主理解、规划与执行任务能力的新思路与方法； 2、优化Agent的对话交互机制，尝试新颖的交互方式，以提升用户体验和任务完成的流畅性与智能性； 3、研究并实验Agent的知识整合与上下文记忆管理方案，探索更高效、智能的信息组织与检索技术，支持Agent进行更深层次的思考； 4、探索Agent与系统工具、API的智能协同策略，参与设计和验证更鲁棒、灵活的工具调用与任务规划流程，鼓励提出创新交互方案； 5、针对特定复杂场景，调研并实践Agent解决用户实际问题的创新路径，挑战并拓展Agent的能力边界。
我们正在寻找对人工智能、多模态数据处理、系统性能优化感兴趣的实习生，参与一个面向多模态数据获取、解析、压缩与高效传输的研究课题。该课题聚焦于提升多模态系统在复杂环境下的实时性表现与资源利用率，具有广泛的应用前景（如智能运维、RAG检索增强生成、边缘计算等）。你将参与的工作包括但不限于： 1. 多模态数据采集与预处理：从网页、API、数据库、摄像头、麦克风等来源获取文本、图像、音频和视频数据； 2. 多模态数据解析与特征提取：使用OCR、ASR、NLP、CV等技术解析不同模态内容； 3. 模型轻量化与加速：探索基于Transformer、CNN、LSTM等模型的压缩、蒸馏、量化方法； 4. 系统级优化与部署：设计低延迟、低资源占用的数据处理流程，支持在边缘设备上运行； 5. 性能评估与实验分析：构建测试集，评估系统的吞吐量、响应时间、准确率等关键指标； 6. 撰写技术文档与研究报告：整理实验过程、结果与改进建议。 技术要求（优先但不强制）： 1. 熟悉Python编程语言，有良好的代码规范； 2. 了解基本的NLP、CV或语音识别技术； 3. 掌握至少一种深度学习框架（PyTorch/TensorFlow）； 4. 熟悉Linux系统及常用命令行工具。 有以下经验者优先考虑： 1. 多模态任务处理经验（如CLIP、Flamingo等）； 2. 模型压缩与部署经验（如TensorRT、ONNX、OpenVINO、TVM等）； 3. 使用过音视频处理工具（如FFmpeg、OpenCV、Whisper、YOLO等）； 4. 有一定系统编程能力（C/C++、CUDA、FPGA基础）。
1、研究与算法实现： （1）参与图数据库代码知识图谱的构建与优化，借鉴最新的 RepoAudit 等研究成果。 （2）设计并实现基于强化学习（RL）的探索与反馈循环，包括智能体、动作空间、奖励机制。 （3）实验和优化多种RL策略（如PPO、DPO、GRPO、DAPO、GSPO）在真实图数据库测试场景的应用。 2、系统开发与实验： （1）构建可编译运行的图数据库测试平台，负责自动化测试流程（提出预言机→生成用例→执行验证→反馈奖励）的实现。 （2）针对开源图数据库（NeuG、Neo4j、RedisGraph、NebulaGraph等），验证并提交新型逻辑错误。 3、论文与成果输出： （1）参与撰写技术报告和学术论文，总结测试预言机生成的新方法与实验结果。 （2）协助开源端到端研究原型及技术文档的完善与维护。
【岗位亮点】 打造现象级AI产品：你的算法将服务数亿用户，利用行业最丰富的地理数据，扩展语义理解与路线生成的边界 前沿技术实践场：深度参与垂类多模态大模型的训练与优化，探索MLLM+地图理解的无限可能 真实场景大挑战：面对MLLM在地图任务下语义和空间的双重挑战，构建行业标杆级模型 【团队成就】 我们团队致力于构建下一代核心智能驾驶体验，在过去四年持续创造多个突破性创新产品技术。 智能出行开拓者：连续4年推出行业标杆产品，包括： 2022年 红绿灯倒计时黑科技 (拯救千万路怒症的神级操作) 2023年 V2X车车对话系统 (让汽车学会"社牛"沟通) 2024年 AI领航红绿灯 (比驾校教练更懂路的老司机) 2025年 TrafficVLM-Agent 上线 (高德地图“天眼”功能) 2025年 RouteVLM-Agent上线 (路线生成的无限可能) 【你将参与】 1. 用AI解锁出行新玩法：基于海量地图数据与用户场景，研发支持从“用户任意query”到一条“用户偏好&地理空间对齐的可行路线”的规划大模型 2. 打造行业领先的大模型应用：通过Prompt优化、SFT微调、强化学习等技术，让大模型真正理解复杂出行需求中的时空语义关系 3. 构建智能出行知识库：主导多模态数据处理，建立覆盖地图理解、实时路况分析、时空语义推理的千万级出行数据库 4. 定义未来出行方式：探索大模型在动态路线规划、智能交互导航等场景的突破性应用，持续输出行业领先的技术方案 【加入我们，你将获得】 与行业顶尖专家共事，参与日均百亿级请求的核心系统研发 完善的技术成长体系，包括大模型专项培训、季度技术workshop