美团多模态大模型算法项目实习生

近年来，以大模型为核心的生成式人工智能技术在语言理解、内容生成、多模态建模与跨模态交互等领域取得了突破性进展，展现出前所未有的技术潜力与广泛的应用前景。 我们致力于通用人工智能（AGI）方向的前沿探索与产业落地创新。一方面，在迈向AGI的长期路径中，随着大语言模型能力的持续进化，多模态感知、融合与推理等关键问题日益凸显，成为构建通用智能系统的核心挑战；另一方面，围绕典型行业场景（如智能交互、高质量内容生成、跨模态检索与理解等），如何将现有大模型能力有效转化为可落地、可扩展、可持续的解决方案，也成为当前研究与工程实践的重点方向。 如果你对生成式AI、通用人工智能（AGI/ASI）前沿探索、多模态建模与智能交互系统有浓厚兴趣，并渴望深入参与下一代多模态通用模型的研发与演进，欢迎加入我们，共同定义未来AI的能力边界，牵引千行百业在智能时代的深度变革。 1. 多模态大模型算法创新：定义下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模，探寻和解决多模态对齐、推理、Agentic等方面的核心挑战，不断追寻多模态通用大模型的效果上限。 2. 场景驱动的算法创新：结合业务场景（如智能交互、内容生成、跨模态检索等），设计并优化大模型架构，提升效果、效率与鲁棒性。 3. 端到端技术闭环：从数据构建、模型训练、评测到部署，主导技术方案落地，通过AB实验、调用量、用户反馈验证价值。 4. 前沿应用技术探索：紧跟并能驱动LLM、Diffusion Models、强化学习等技术相关进展，定义技术新范式，快速实验并迭代创新方案，拉升相关模型SOTA。

1.参与视觉大模型、语音大模型研发，探索表征学习和模型架构设计等关键技术； 2.参与跨模态大模型研发，提升模型多模态感知、理解、生成和执行能力； 3.深入调研视觉、语音、文本等模态前沿技术，等提升模型通用智能水平；

探索自动驾驶多模态大模型的基础模型架构和训练范式，基于数据闭环提升VLM的时空理解能力，基于3DGS/世界模型等技术构建大规模强化学习闭环训练框架，提升数据效率、训练效率、稳定性、场景泛化性，推动VLM和强化学习在物理世界的落地应用。

1、团队依托千亿级视频内容和全球商品数据，探索NLP、CV、多模态大模型、Video LLM、Multimodal Embedding和SID、Multimodal Reasoning、Agent等技术在电商业务中的落地，支持商品库建设、商品同款识别、内容商品链接、价格比对、AIGC内容生成和生成式搜推技术演进等关键场景，我们的目标是通过多模态大模型和Agent技术，重新理解“卖什么、怎么卖、卖给谁”，重塑内容电商的业务想象力；参与全球商品库和内容理解体系建设，基于NLP、图像理解、多模态大模型等技术，对商品、视频、图文、商家、品牌等对象进行结构化理解和语义建模；负责商品同款、商品/商家/品牌消重、跨语言商品聚合等核心算法系统建设，解决海量数据下的多模态匹配、实时流式聚合、多粒度聚合和跨语言语义对齐问题； 2、负责电商比价、商品定价、价格监控和异常预警等算法能力建设，支持百亿补贴、价格竞争力分析、商品供给优化等重要业务场景，建设视频-商品、商品-商品、视频-视频等多模态语义链接能力，支持内容趋势理解、商品挖掘、AIGC内容生成和内容电商供给优化； 3、探索下一代生成式搜推模型的演进，通过视频、直播、商品、Query等多体裁的表征和SID建模，提升生成式搜推的效率和体验； 4、探索Agent在电商业务中的应用，包括比价Agent、商品分析Agent、内容AIGC Agent、商家运营Agent等方向，结合RAG、工具调用、规划推理、自动评估等能力，推动业务流程智能化，参与从数据到业务落地的全流程，包括数据构建、特征工程、模型训练、效果评估、线上部署、负面案例分析和持续迭代，并探索前沿技术在实际业务中的规模化落地。