蚂蚁金服【蚂蚁星】多模态理解与生成评测算法研究（实习）

工作描述

Qualifications
1. 计算机科学、人工智能、机器学习、语音、多模态、计算机视觉、图形学等相关专业硕士及以上学历，博士或具备同等研究能力者优先；
2. 熟练使用 Python，熟悉 PyTorch 或其他深度学习框架，能够独立完成算法实验、评测原型和数据分析；
3. 熟悉以下一个或多个方向：Multimodal LLM / Omni-modal Model、Vision-Language Model、Speech LM / Audio LM、Streaming ASR / Streaming TTS、Audio-Visual Understanding、Digital Human / Virtual Avatar、Talking Head / Full-body Avatar、Motion Generation / 3D Facial Animation、Neural Rendering / 3D Gaussian Splatting、Video Diffusion / Diffusion Transformer；
4. 具备较强的实验设计和问题抽象能力，能够把“自然不自然”“像不像真人”“交互顺不顺”这类主观体验转化为可验证的评测指标；
5. 对多模态前沿技术有持续兴趣，能够快速阅读论文、复现方法，并结合业务场景形成可落地方案；
6. 具备良好的工程能力和沟通能力，能够与算法、产品、工程团队协作推动评测体系落地。

加分项：
1. 在 ICLR、NeurIPS、ICML、ACL、EMNLP、CVPR、ICCV、ECCV、SIGGRAPH、AAAI 等会议发表过高质量论文；
2. 有多模态大模型、语音大模型、数字人、视频生成、3D 生成、虚拟环境或世界模型相关项目经验；
3. 参与过 Benchmark、评测框架、数据集、开源项目或算法竞赛；
4. 有 VLM-as-Judge、LLM-as-Judge、…