小米多模态大模型智能体算法实习工程师
任职要求
1. 计算机科学、人工智能、电子工程等相关专业在读硕士/博士研究生，博士优先
2. 在以下至少一个方向有扎实的研究基础：
- 多模态大模型（LLM/VLM/MLLM）
- 计算机视觉（检测、分割、视觉理解）
- 智能体（Agent、规划、决策、强化学习）
3. 熟练掌握 Python 及主流深度学习框…工作职责
1. 学术成果转化：将公司在多模态大模型、视觉理解、智能体等方向的技术积累整理为高质量学术论文（顶会/顶刊）及发明专利
2. 预研探索：跟踪前沿进展，在以下一个或多个方向开展预研工作：
- 目标检测与视觉感知（2D/3D 检测、分割、跟踪）
- 多模态视觉理解（VLM、图文推理、视觉问答）
- 智能体规划与决策（Agent Planning、Tool Use、多步推理）
3. 原型验证：设计并实现算法原型，完成实验评估与技术报告撰写
4. 技术协作：与工程团队协同，推动预研成果在产品中的落地验证
探索多模态大模型与Agent 技术在游戏研发、运营及玩家生态中的前沿应用。在这里，你将在资深工程师的指导下，参与现有 AI 产品的维护与持续迭代，并深度参与核心 AI 系统的架构设计，利用大模型技术为游戏业务深度提效。 主要职责： 1. 产品迭代与应用维护：在指导下跟进并负责现有 AI 产品的日常维护与功能迭代。通过数据回流与 Badcase 分析，持续优化 Prompt 策略与模型表现，保障并提升业务场景下的模型产出质量。 2. 多模态大模型探索与落地：探索视觉语言模型（VLM）等多模态技术在游戏业务中的应用。例如：结合图文或音视频流，实现游戏内的bug识别，内容安全审核等功能。 3. Agent 系统架构设计：深度参与 Agent 系统的设计与开发。研究多智能体协同、复杂工具调用、动态规划和长短期记忆管理，打造能帮助业务方提效的agent工作流。 4. 大模型服务部署与工程优化：参与模型的推理加速与工程落地。基于 vLLM / TensorRT-LLM 等框架进行模型服务化，配合团队完成微服务架构下的 AI 接口封装、Docker 容器化部署以及高并发场景下的性能调优。
1、专注于大语言模型（LLM）的前沿技术研究，包括但不限于CPT、SFT、RL，以提升复杂指令遵循能力、多模态大模型、多智能体系统、RAG等方向； 2、探索多模态大模型在电商领域的应用，以及检索增强的LLM等创新应用； 3、搭建自动化的数据处理管道和训练框架，实现模型的快速迭代和评估； 4、参与模型评估工作，包括评估流程的建设与完善、评估方法的设计与优化。
1. 大模型驱动的算法革新： a. 参与大模型（LLM、多模态大模型）在电商核心场景（搜索、推荐、广告、多智能体对话等）中的算法创新与应用； b. 研究大模型与经典搜推广模型的融合方案，提升模型效果与用户体验； 2. 下一代AI系统构建： a. 通过分布式训练、模型压缩、低延迟推理等技术，面向工业级应用完成千亿级参数大模型的高效训练与部署； b. 尝试生成式AI、多智能体协作等前沿方向，推动AI技术在电商领域的创新应用； 3. 大模型在亿级用户规模落地的实战： a. 直面淘宝数亿用户、百亿级行为数据的挑战，落地大模型应用； b. 参与双11、618等顶级电商场景的算法优化，见证大模型技术驱动商业增长的完整链路。
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 工作内容： 1. 大模型驱动的算法革新： a. 参与大模型（LLM、多模态大模型）在电商核心场景（搜索、推荐、广告、多智能体对话等）中的算法创新与应用； b. 研究大模型与经典搜推广模型的融合方案，提升模型效果与用户体验； 2. 下一代AI系统构建： a. 通过分布式训练、模型压缩、低延迟推理等技术，面向工业级应用完成千亿级参数大模型的高效训练与部署； b. 尝试生成式AI、多智能体协作等前沿方向，推动AI技术在电商领域的创新应用； 3. 大模型在亿级用户规模落地的实战： a. 直面淘宝数亿用户、百亿级行为数据的挑战，落地大模型应用； b. 参与双11、618等顶级电商场景的算法优化，见证大模型技术驱动商业增长的完整链路。 T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ④有机会提前获得秋招直通T-Star的正式Offer。