深度求索多模态理解（数据/算法）研究员
社招全职深度学习研究员地点：北京 | 杭州状态：招聘♡ 收藏
工作描述
【团队使命】 AGI 绝不会止步于文本，迈向 AGI 的关键一环，在于让模型拥有理解物理世界的能力。我们的使命，是为 AI 注入“看懂并理解世界”的多模态灵魂，让模型在面对复杂的真实世界时，依然能展现出精准的感知与推理能力。在这里，你将会挑战多模态领域的本质难题：处理海量且充满噪声的多模态数据，设计底层的高效原生模型架构，探索大规模训练策略，建立反映真实需求的评测基准。跨越数据、架构、训练与评测的全链路，让多模态成为解决现实挑战的核心生产力。 【岗位类别】：实习/全职 【工作方向】 覆盖多模态理解基座模型全链路，包含：视觉编码器优化 / 多模态预训练 / 多模态后训练 / 评测体系建设（候选人可选其中1个或多个方向）。 【工作职责】 1.负责多模态基座模型的迭代。探索视觉编码器和 VLM 的结构、训练策略和评测方式，针…
登录查看完整工作描述
微信扫码，1秒登录
包括英文材料
SFT+
https://cameronrwolfe.substack.com/p/understanding-and-using-supervised
Understanding how SFT works from the idea to a working implementation...
OCR+
https://www.ibm.com/think/topics/optical-character-recognition
Optical character recognition (OCR) is a technology that uses automated data extraction to quickly convert images of text into a machine-readable format.
https://www.youtube.com/watch?v=or8AcS6y1xg
Optical character recognition (OCR) is sometimes referred to as text recognition.
还有更多 •••
相关职位
实习日常实习生
职位描述： ⭐️ 我们是谁： -事业群简介：我们是阿里智能信息事业群，专注于千问APP、夸克APP、AI眼镜等AI to C的业务，为2亿用户群体提供AI服务，你或你身边的小伙伴中可能就是我们的用户
更新于 2025-12-04杭州
社招4年以上
1. 对多模态 AI 产品有强烈用户视角，能清晰阐述"什么是好的产品多模态理解体验"并转化为可量化指标。 2. 具备从零设计产品侧评测体系的经验，理解评测集在区分度、代表性、生态效度方面的权衡。 3.
更新于 2026-09-23北京|杭州
实习阿里巴巴2027
- PhD / 硕士毕业生，计算机、人工智能、统计、数学、电子工程等相关专业。 - 在机器学习、推荐系统、信息检索、NLP、大模型、多模态理解、数据挖掘、强化学习等方向有扎实基础。 - 熟悉多模态理解
更新于 2026-05-28北京|杭州
实习阿里巴巴2027
1、计算机、人工智能、自动化等相关专业； 2、在多模态大模型和生成式模型（扩散/自回归模型）上有资深背景，对前沿进展和领域问题有深入理解； 3、具有主流大模型的实战经验 (视频生成/VLM/LLM/L
更新于 2026-03-17北京|杭州