拼多多AIGC算法工程师
任职要求
1、熟悉Python、java等编程语言； 2、熟悉Pytorch或者tensoflow, 有过CNN、RNN等深度学习模型的实践经验, 熟悉U-Net、GAN等网络结构； 3、熟悉计算机图形学、音视频处理等相关技术, 了解常用图片格式，音、视频常用编码，熟悉ffmpeg的使用； 4、熟悉多模态大模型、多模态数据处理等相关技术； 5、具…
工作职责
1、探索AIGC技术的相关技术，包括图片生成、视频生成、语音合成、数字人、智能对话等领域； 2、结合业务场景，设计并实现AIGC相关的算法和模型； 3、参与AIGC技术的性能优化和工程化工作； 4、持续学习和跟踪AIGC技术的最新进展，为团队提供技术支持和指导。
拍立淘是阿里电商核心视觉搜索算法团队，致力于为淘宝搜索核心业务打造行业领先的计算机视觉创新技术，应用于多种电商场景（如拍照搜同款、电商创意AIGC、电商大模型），堪称国内最大的视觉算法应用场景之一。我们紧随技术潮流，不断进行商业和技术创新，期待有志之士的加入，让算法发挥价值，让技术更有影响力。 【招聘方向】 1. AIGC视觉生成（包括但不限于可控图像/视频生成、图像/视频编辑、图像驱动、定制化、试衣等）； 2.多模态大模型（包括但不限于大模型预训练、垂域微调SFT、RLHF、数据治理飞轮、训练部署加速等）； 3.图像/多模态理解（包括商品多模态理解VG、目标检测、OCR、图像/多模态表征等），其他任何感兴趣/有价值的方向欢迎交流讨论。 【实习工作环境】 1. 充裕的GPU资源，近千张A100/V100 海量业务数据和基础能力积累，帮助高效产出； 2. 来自国内外top学校的师兄/师姐的倾力指导充分尊重实习生个人意见，自由度高； 3. 产研结合，支持鼓励实习生投递顶会论文。
1. 主导多模态生成算法（图像 / 视频 / 3D 等）的设计与优化，聚焦生成质量提升、多样性拓展、可控性强化及可编辑功能实现，攻克技术瓶颈； 2. 深度结合游戏研发与发行业务需求，提供通用性技术框架或定制化算法方案，解决 AIGC 在实际落地中的适配性、效率及效果问题，推动技术转化； 3. 密切追踪多模态与 Generative AI 领域前沿动态（如模型架构、训练策略等），结合业务痛点设计创新性算法路径，保持技术竞争力。
面向AIGC领域，研发前沿的视频生成与处理算法，结合短视频、电商、品牌创意等具体业务场景，进行系统性算法设计，推动自动化剪辑、视频生成、动作迁移、语义驱动等能力落地； 针对当前大模型视频生成中的痛点（如帧一致性、时空建模、长视频连贯性、跨模态对齐等），优化扩散/生成架构、设计稀疏高效推理策略，提高生成质量和响应速度； 开发用于视频创作的底层算法与工具链，包括视频分镜生成、关键帧补全、文本驱动编辑（text-driven editing）、镜头分割与结构化剪辑等能力模块； 持续追踪业界前沿（如Sora、Runway、Kling、Veo等），快速完成benchmark与迁移落地； 深度理解视频内容生产到多渠道分发的完整链路，与产品、运营、创意团队协同，构建适配业务的AI视频引擎与应用原型。
-图像生成/视频生成业务相关的算法研发工作，比如扩散模型的研发与优化； -完整的扩散模型训练/微调/评估/部署流程； -多模态AI Agent的开发，输入指令和参考，通过调用多模态工具和集成各类AIGC模型，自主完成音视频相关的任务。快速实现方案原型，并最终推动算法方案在实际场景落地； -积极关注并使用业界前沿技术和产品，推动创新。