蚂蚁金服研究型实习生-融合智能代理与增强图结构的下一代模块化及复合检索RAG系统

实习兼职研究型实习生地点：杭州状态：招聘

扫码手机上打开

任职要求

研究领域：
1. 负责医疗大模型的研发和应用，深入挖掘垂直行业、开源以及蚂蚁的海量数据，研究前沿大模型训练和优化方法。
2. 结合医疗行业特性开发可控可信的技术框架与系统，研究面向医疗应用的最佳生成式大模型技术方案。
3. 研究和跟踪前沿技术发展，探索AI助力医疗普惠和智能化的新范式。

要求：
1.目前正在攻读计算机科学或相关领域的硕士或博士学位。
2.具备扎实的机器学习基础和工程化能力，包括机器学习、深度学习、强化学习，实操利用RAG、SFT、RLHF等技术有项目应用经验优先。
3.熟练掌握Python，JAVA等至少一门语言，掌握Tensorflow、Pytorch等至少一个深度学习框架。
4.有大模型开源项目、医疗应用场景实操包括行业经验或作为参与实验室研究优先。
5.有人工智能顶会论文发表者优先。
6.对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色

工作职责

研究领域：
  深度学习
项目简介：
  AI健康管家定位是全科三甲主任医师水平，确保健康管家问答的精准度与专业性是我们的核心追求。当前，我们正致力于对RAG（可检索增强生成模型）进行深度优化，主要聚焦于query planning、检索与生成等关键模块的独立改进。然而，构建一个能够针对不同复杂度query灵活响应的、模块化的rag系统，以及通过代理(agent)机制整合各模块以实现这一目标，尚处于初级阶段；同时，当前rag在利用知识图谱进行信息召回时，仅限于基础的1/2跳推理，这显然未能充分利用医疗领域丰富的文献与指南资源，这些资源能够为现有的图谱检索（graph rag）提供更深层次的融合与升级潜力。

📮 投递简历 ✨AI模拟面试

难度：

包括英文材料

大模型+

学历+

机器学习+

深度学习+

强化学习+

RAG+

SFT+

Python+

Java+

TensorFlow+

PyTorch+

相关职位

研究型实习生-融合多模态的Agent+RL研究

实习通义研究型实习生

专注于多模态智能体（Agent）及强化学习（RL）的研究与开发，如 browser use 等，推动下一代智能决策系统的创新。主要职责包括： 1. 设计和构建基于 Qwen 系列模型的多模态 Agent，使其能够高效处理文本、图像、视频等多种信息，执行复杂任务； 2. 实现和训练强化学习算法，探索如何在多模态环境下优化智能体的决策策略； 3. 开发数据采集和环境建模工具，构建逼真的多模态交互环境； 4. 参与系统评估与优化，设计高效的验证机制，确保智能体的稳定性与泛化能力； 5. 撰写研究论文、技术文档，与团队共同推动技术突破，并提升行业影响力。

更新于 2025-08-15

研究型实习生-人机物融合时代的身份识别技术探索

实习研究型实习生

研究领域：生物识别&IoT 项目简介：百镜大战、俱身智能风起云涌，消费级可穿戴设备、人形机器人即将出现在日常生活场景中，此类设备普遍价格较高（丢失或被盗会产生较大经济损失），接收和存储了更多的个人（甚至是整个家庭）高敏隐私数据（需要可信确权及鉴权），在此背景下，人、机、物综合身份安全面临更高的挑战，手机端的传统身份识别方式受限安全与体验无法直接迁移，需要探索人机交互和泛智能设备的生物感知及识别技术，实现人机物融合新范式的身份可信。项目目标为：探索含音视觉在内的新型生物识别技术，身份识别安全体验水位与手机端拉齐（通过率>95%、FAR<1/百万）

研究型实习生-基于空间智能理解与重建能力研究

实习研究型实习生

研究领域：计算机视觉项目简介：随着人工智能技术的快速发展，机器人领域正从传统的工业自动化向智能化、消费级方向转变。桌面机器人作为面向用户的电子消费品，旨在通过视觉、语言和行动的深度融合，对于空间智能的理解，实现与人类的自然交互，并完成复杂的任务。这类机器人不仅可以提高用户的生活质量，还能在教育、娱乐、办公等场景中提供智能化服务。

研究型实习生 - 智能多模态向量索引架构研究

实习阿里云研究型实习

1.研发融合结构化查询与向量检索的混合执行引擎； 2.设计基于深度学习的索引参数自优化框架； 3.开发分布式环境下的动态负载均衡算法； 4.构建多维度查询性能评估指标体系。

更新于 2025-07-02