小米大模型算法实习生
任职要求
1. 计算机、人工智能等相关专业优先； 2. 有较强的工程能力，熟练掌握python语言，熟悉PyTorch框架、Transfo…
工作职责
1. 跟进工业界/学术界最新动态，在基础模型预训练、指令微调、数据构造、RLHF等多个阶段提升模型的能力。 2. 负责大模型的研发和应用，解决大模型在垂直领域的落地问题。 3. 负责AIGC方向的场景落地和核心模型能力构建。
参与前沿大模型算法的研发与落地应用，方向包括但不限于：智能 Agent、Deep Research、多模态大模型、检索增强生成 (RAG) 等； 紧跟领域最新技术动态，探索创新算法方法，并积极推动科研成果的产出； 参与技术方案讨论、算法设计与实现、模型训练与优化等研发工作，保证项目进度和研发质量； 持续学习和掌握最新的大模型相关技术，并应用于实际产品和项目中，解决实际问题。
团队负责小红书生成式推荐方向，目前已经完成了原型架构的开发和线上验证，欢迎有能力、有热情的同学一起，共同探索生成式推荐和多模态大模型在真实业务场景的价值。
工作职责： 1. 真实业界数据的处理分析：定性分析、定量评估数据质量、对数据采集和处理方案不断优化改进； 2. 模型开发：参与Qwen、Llama等开源LLM的训练微调、量化和部署实践，追踪业内前沿，达到领先的性能指标； 3. 结合小红书丰富的工业场景，根据实际业务需求进行技术落地和创新。
【职位描述】 我们是小红书安全风控平台部/算法策略组/内容安全组，目前专注于多模态大模型在多模态理解和内容安全场景的技术落地和产品预研，目前在相关数据&技术方向有一定的积累，并将长期持续投入。我们希望寻求优秀在读硕士生/博士生共同突破大模型在安全审核行业落地的技术挑战，作为实习生，你将有机会与产品、工程紧密合作，将研究算法应用到实际问题中，并解决有难度有价值的问题，促进领域前沿技术的发展。欢迎投递简历。该岗位的核心研究方向包括但不限于： 1. 基础多模态表征：主要研究小红书多模态数据（笔记）下的基础多模态表征工作，包括层次化表征、特征融合、自监督探索等，作为基础模型，支持多样化检索场景。 2. 通用多模态大模型：通用多模态大模型在安全领域理解相关研究，包括高效微调、多模态理解等。建立安全多模态基础模型。