Soul APP多模态内容理解算法-校招
任职要求
1.硕士及以上学历，专业不限制，计算机相关专业优先； 2. 熟练掌握Python/C++开发，具备优秀的编码能力，扎实的数据结构和算法功底； 3. 有多模态…
工作职责
1.参与内容理解相关工作，包括图文、视频、多模态内容理解相关算法的研发和落地； 2.参与用户理解相关工作，包括用户兴趣建模，用户行为建模等用户画等算法的研发和落地； 3.跟踪前沿的多模态大模型等算法，并将优秀算法应用到业务场景中，提升业务效果；
相关研究课题细分方向如下： 1. 基于MLLM的表征技术及零少样本建模设计 2. 面向质量任务的VQA能力建设及在视频审核中的应用 3. 面向直播流的轻量化模型应用及大模型知识蒸馏技术 4. 结合推荐系统的泛化表征设计及分发应用 5. 百亿级视觉检索技术及淘宝素材同源库建设 6. 视频内容生成技术及质量攻防系统建设
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。
ByteIntern：面向2027届毕业生（2026年9月-2027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：团队负责抖音、抖音极速版、抖音火山版等App的直播体裁基建和直播营收业务，直播体裁基建立足对边生产边分发时效性高的直播体裁的理解，结合多模态信号理解动态的时间切片和长尾兴趣点，建立短视频域到直播域的兴趣迁移，在全场景分发直播体裁，满足用户看播需求并服务于营收、电商、生活服务、游戏等多业务。直播营收致力于为歌唱/舞蹈/弹奏/朗读/情感/户外等广泛的具有一技之长的普通人通过直播这个舞台被更多人看到获得收入，并满足用户多层次的精神消费和情感表达诉求，让优质内容供给持续增长反哺整个直播生态。 1、研究方向：提升视频、音频、图像、文本及多模态的大模型基础能力，在业务领域与通用领域取得行业领先的效果，建设体系化的模型能力提升方法论；探索理解大模型与生成大模型能力结合互补模式，探索并落地一体化模型并取得更高的模型效果；推动多模态内容理解能力在推荐场景的落地应用； 2、负责抖音直播业务场景下的内容理解工作，建设多模态大模型、生成式模型等前沿模型技术能力，接近人类感知认知模型能力，产出相应的研究成果； 3、跟进行业最新技术进展，探索多模态方向的新技术研究与落地。
1. 负责基于多模态内容理解的应用能力建设以及技术沉淀，如图像/视频理解、内容审核以及多模态生成等，服务用户增长、营销、搜索、推荐等流量分发场景。 2. 参与多模态大模型前沿技术的探索及落地，尝试前沿的技术方案创新。