理想汽车多模生成算法实习生-北京/杭州

本课题的研究目标是： 1、研究如何充分用好文本、图片、视频等各个模态的有效信息，进行高效的多模态数据表征和联合建模，能够更加高效的从各个模态中学习有效信息； 2、探索多模数据如何才能更高效的学习，多模数据如何对文本智能能力有提升，探索理解和生成的联合建模如何进一步提高多模态模型的能力上限。

【岗位亮点】 顶会论文直通车：我们鼓励并全力支持你将研究成果发表到CVPR、NeurIPS等顶级会议，资深技术人员全程指导，算力充足。 核心业务组：智能创作发布，直接影响用户体验，专注于将前沿多模态大模型、AIGC 技术与小红书发布核心业务深度融合。转正机会大。 前沿探索与创新：聚焦多模-态大模型（MLLMs）前沿，在 多模态指令微调、多模态检索、个性化文案生成、RAG 等方向中选择你最擅长或最感兴趣的，提出并实现你的创新想法。 从想法到落地：负责从算法设计、实验验证到模型优化的全流程，用严谨的实验和数据说话，推动研究课题取得突破。

日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：TikTok内容生态算法团队立足于平台海量用户和短视频内容，利用多模态、LLM/MLLM、NLP&CV等技术，负责对各类内容做分析、加工、生成等内容层操作，内容形态包括但不限于短视频、图文、全网热点页面、客服对话等，产出内容理解特征、大模型生成中间页、全网热点发现&理解能力以及智能客服系统。 同时在TikTok供给侧提供面向全平台的创作灵感个性化推荐能力。 在这里，有上百个语种，NLP/LLM等技术面临多语种挑战。 在这里，有海量短视频内容，MLLM及多模态技术有更多应用场景。 平台用户量大，各项业务如本地生活、搜索等都处于高速发展期，有大量实际落地和应用场景。 1、负责TikTok的内容生态业务推荐算法工作，和产品、运营等团队紧密合作，深度理解TikTok推荐业务发展，共同制定长短期的业务目标； 2、深入参与到机器学习技术研究中，在解决具体问题的同时形成完整系统的工作方法，持续提升用户体验； 3、研究方向包含且不局限于：深度学习、图神经网络、多任务学习、排序学习、模型压缩和加速、多模态技术等，善于结合业务的实际问题来做好技术的探索和研究； 4、组织推进组内以及跨部门合作项目，帮助团队的进步和新人成长。

ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：TikTok内容生态算法团队立足于平台海量用户和短视频内容，利用多模态、LLM/MLLM、NLP&CV等技术，负责对各类内容做分析、加工、生成等内容层操作，内容形态包括但不限于短视频、图文、全网热点页面、客服对话等，产出内容理解特征、大模型生成中间页、全网热点发现&理解能力以及智能客服系统。 同时在TikTok供给侧提供面向全平台的创作灵感个性化推荐能力。 在这里，有上百个语种，NLP/LLM等技术面临多语种挑战。 在这里，有海量短视频内容，MLLM及多模态技术有更多应用场景。 平台用户量大，各项业务如本地生活、搜索等都处于高速发展期，有大量实际落地和应用场景。 1、负责TikTok的内容生态业务推荐算法工作，和产品、运营等团队紧密合作，深度理解TikTok推荐业务发展，共同制定长短期的业务目标； 2、深入参与到机器学习技术研究中，在解决具体问题的同时形成完整系统的方法论，持续提升用户体验； 3、研究方向包含且不局限于：深度学习、图神经网络、多任务学习、Learning to rank、模型压缩和加速、多模态技术等，善于结合业务的实际问题来做好技术的探索和研究； 4、组织推进组内以及跨部门合作项目，帮助团队的进步和新人成长。