商汤多模态生成算法研究员-实习生
任职要求
1. 教育背景：计算机、人工智能等相关专业硕士或者博士，需有扎实数学基础。 2. 专业技能：对生成模型（如扩散模型、GAN、VAE）和多模态大模型有深入理解，跟踪 AIGC 领域前沿（如 Diffusion Policy、World Model 在自动驾驶和机器人领域的应用），具备将前沿技术转化为工程方案的能力。 3. 工作经验：参与行业前沿的技术研发，主导从算法设计到闭环落地的全流程，技术影响力直接赋能量产车型的优先，能独立完成模型设计、训练等工作。具备自动驾驶仿真平台（如 CARLA、Gazebo）二次开发经验，或主…
工作职责
1. 算法研发：聚焦自动驾驶、车载或机器人领域的算法和模型研发，不限于世界模型、视频生成模型、多模态大模型和VLA模型。 2. 业务落地：负责车载和自动驾驶业务的研究、设计、开发和优化工作。参与项目的需求分析、设计评审和代码评审。跟踪和研究领域的前沿技术和趋势，为项目提供技术支持。
参与微信自研多模态生成基座的全链路研发，包括但不限于图片生成和编辑、视频生成、理解生成统一模型、可控生成、模型压缩等方向，参与构建高效的多模态数据引擎、探索下一代生成模型架构、设计全流程训练策略、构建高质量的评测体系等，打造符合微信业务生态的多模态生成AI系统。
1.多模态理解与生成算法研究： 紧跟领域前沿，深入研究多模态（图像、文本、视频）的理解与生成统一的核心算法。 2.模型设计与优化： 负责多模态理解与生成模型的设计、训练、评估和优化，不断提升模型性能和泛化能力。 3.创新技术探索： 探索新的预训练和后训练范式，发现和解决大模型靠单一模态难以解决的问题。
工作职责1.多模态理解与生成算法研究： 紧跟领域前沿，深入研究多模态（图像、文本、视频）的理解与生成统一的核心算法。 2.模型设计与优化： 负责多模态理解与生成模型的设计、训练、评估和优化，不断提升模型性能和泛化能力。 3.创新技术探索： 探索新的预训练和后训练范式，发现和解决大模型靠单一模态难以解决的问题。 ：
一、关于阿里巴巴国际站 阿里巴巴国际站是全球领先的跨境 B2B 数字贸易平台，致力于推动全球贸易数字化升级。在这里，你将有机会深入 AIGC 在垂直领域的“深水区”，直接参与构建懂业务、能推理的Agentic Creative System（智能创意系统），用前沿的生成式 AI 技术重塑全球卖家的内容生产力。 二、关于项目 本项目旨在解决 B 端电商场景下，通用大模型难以理解复杂商业逻辑、生成内容不可控及缺乏业务反馈闭环的核心痛点。我们不只做通用的文生图/文生视频，而是致力于打造具备高度业务感知能力的智能创意引擎： 1. 突破生成模型的“幻觉”与对齐难题：针对 B 端商品严格的属性要求，探索 Diffusion Model + RL（强化学习） 训练范式。通过构建基于真实业务反馈（如点击率、转化率）的 Reward Model，实现模型策略的在线迭代，确保生成内容既美观又符合商业逻辑。 2. 构建复杂约束下的 Agent 编排架构：设计多 Agent 协作系统，使其能够自主规划生图步骤、调用外部工具并执行带强限制的 Function Calling（如保留特定 Logo、遵循材质规范），实现从“随机生成”到“精准可控”的跃迁。 3. 打造端到端的长上下文视频工作流：搭建高可用、可扩展的视频生成 Workflow，解决长序列生成中的一致性问题，实现从复杂文档/文本输入到高质量营销视频输出的全自动化链路。 三、你的职责 1. 前沿调研与方案设计：跟进工业界与学术界在 Diffusion Models、Reinforcement Learning from Human/Business Feedback (RLHF/RLBF)、Multi-Agent Planning 及 Long-Context Video Generation 方向的最新进展，探索适用于 B 端复杂场景的落地方案。 2. 负责生图/视频模型的 RL 训练框架搭建，设计高效的 Reward Model 以对齐业务目标，解决生成内容的“幻觉”与合规性问题。 3. 设计与实现 Multi-Agent 协作架构，优化 Agent 在复杂业务流程中的任务拆解、工具调用及自我修正能力。 4. 落地实践与成果转化：参与模型训练、链路调优与 AB 实验分析，将理论方案转化为线上可用的智能创意生产能力；对创新性研究成果进行总结，撰写高质量技术论文并尝试投稿顶级会议（如 CVPR, ICCV, NeurIPS, ICML, SIGGRAPH 等）。