小米大模型算法工程师（多模态方向）实习生
任职要求
1. 硕士及以上学历或在读，人工智能、计算机科学、电子、信息工程、机器人等专业，有C++/python开发经验； 2. 熟练掌握至少一种深度学习框架，如Tensorflow，PyTorch等； 3. 对深度学习有深刻认识，熟悉各种神经网络及背后数学原理； 4. 对大模型有设计应用经验者优先； 5. 对多模态融合算法有实…
工作职责
1. 参与预训练AI大模型的研发，微调和部署，包括功能实现，性能优化，和部署应用等； 2. 负责以视觉大模型/语言大模型为核心的多模态感知与开放词汇识别，负责问题的梳理定义、数据的搜集整理、模型的训练部署等工作； 3. 探索自动驾驶领域的AI大模型方案以及和传统方案的结合，并撰写相关论文，专利。
1、基于淘天海量商品数据，打造技术先进的电商多模态大模型，提升对多模态异构的商品数据(图、文、视频等)的理解能力和结构化能力，输出底层算法能力和高质量结构化数据，支撑发布、比货、导购等多种电商业务场景，并面向商家和消费者探索AIGC等创新业务应用。工作内容包括模型结构设计、训练任务设计、预训练和下游能力建设等； 2、 跟踪、探索大模型方向/多模态预训练方向的前沿技术，将各方向的SOTA能力集成到模型底座上，提升下游任务的效果，打造团队的技术先进性。
1.参与多模态大模型(VLM/VLA)的研发与优化，探索图像、文本、语音等跨模态信息的融合方法，以及在自动驾驶领域的应用； 2.研究并实现前沿的视觉技术（如Diffusion Model、GAN、VAE等），推动技术落地； 3.配合团队完成算法设计、训练、调优及部署，提升模型性能与工程化能力； 4.跟踪领域前沿研究，撰写技术文档和实验报告，参与论文发表或专利申请。
1.岗位的主要工作内容为跟踪领域前沿研究，将研究成果投稿到机器学习/计算机视觉顶会顶刊。 2.参与多模态大模型（VLM/VLA）的研发与优化，探索图像、文本、语音等跨模态信息的融合方法，以及在自动驾驶领域的应用。 3.研究并实现前沿的技术（如WorldModel,DiffusionModel等），推动项目落地。
岗位课题： 探索生成和理解统一模型对视觉理解的增益 课题项目背景： 基于推荐和内容场景，通过多模态、大模型技术，应用于内容质量审核、内容基础信息完善、推荐泛化性探索等场景；我们有海量的商品、用户行为数据，能让实习生将前沿技术落地，并在真实应用和用户反馈中实现技术价值。 岗位职责： 在这里，你将深度参与并探索多模态、大模型技术给推荐、内容应用场景带来的新可能、新突破。这些技术成果，也将具体体现在每日用户使用和反馈的效果提升上。