夸克多模态交互算法实习生（多模态大模型方向）
任职要求
1.学习与研究能力：对 AI 技术有浓厚兴趣，具备快速学习能力和自主探索精神；有个人项目、开源贡献或相关竞赛经历者优先。 2.技术基础：具备扎实的编程基础，熟练掌握 Python 或 C/C++；了解 PyTorch 等深度学习框架；对机器学习…
工作职责
1.前沿技术探索与落地：参与多模态理解、生成式模型、强化学习等前沿技术的应用研究，协助进行多模态模型的数据建设、指令微调、偏好对齐等工作，协助团队进行技术验证和原型开发。 2.多模态 Agent 能力探索：支持多模态交互的基础能力研发，探索多模态 RAG、视觉 CoT、多模态 Agent 等进阶能力；参与 GUI/游戏等虚拟世界的通用多模态 Agent 项目的研究工作。 3.数据建设与评测体系：参与数据质量评估、标注标准制定及自动化数据 Pipeline 的搭建与维护，参与图像/视频理解评估、世界模型评估方法的实验。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动ByteDance Research专注于人工智能领域的前沿技术研究，涵盖了机器翻译、视频理解基础模型、机器人研究、机器学习公平性、量子化学、AI 制药、分子动力学等多技术研究领域，同时致力于将研究成果落地，为公司现有的产品和业务提供核心技术支持和服务。 1、面向多模态人机交互，研究多模态智能体、多模态推理规划、流式音视频对话模型等前沿技术，发表高水平论文和申请专利； 2、探索多模态大模型、强化学习算法、大模型Agent在机器人上的创新应用，参与具身智能算法和应用迭代。
我们正在寻找对多模态技术充满热情的算法工程师，加入我们的前沿技术研发团队。您将专注于多模态理解与生成，推动其在地图数据、信息流推荐、打车服务等场景中的落地应用，为用户提供更智能、更沉浸的服务。 主要职责 1、多模态模型研发：开发业界领先的图文多模态理解与生成模型，结合扩散模型（Diffusion Models）、Transformer架构等实现高质量场景理解和动态内容生成。 2、模型优化与性能提升：优化多模态模型的推理速度和计算效率，支持端侧部署。探索适合大模型的压缩与加速技术（包括但不限于量化、剪枝、知识蒸馏等）。 3、业务场景落地：将多模态技术应用于实际业务场景，如地图数据（道路、POI等）、信息流推荐、打车服务等。与产品、工程团队合作，推动技术从研发到上线的全流程落地。 4、前沿技术探索：持续跟踪生成式AI（Generative AI）、跨模态对齐、思维链强化学习、多模态交互、具身智能等最新技术趋势，提出创新性解决方案。
我们正在寻找对多模态技术充满热情的算法工程师，加入我们的前沿技术研发团队。您将专注于多模态理解与生成，推动其在地图数据、信息流推荐、打车服务等场景中的落地应用，为用户提供更智能、更沉浸的服务。 主要职责 1、多模态模型研发：开发业界领先的图文多模态理解与生成模型，结合扩散模型（Diffusion Models）、Transformer架构等实现高质量场景理解和动态内容生成。 2、模型优化与性能提升：优化多模态模型的推理速度和计算效率，支持端侧部署。探索适合大模型的压缩与加速技术（包括但不限于量化、剪枝、知识蒸馏等）。 3、业务场景落地：将多模态技术应用于实际业务场景，如地图数据（道路、POI等）、信息流推荐、打车服务等。 4、前沿技术探索：持续跟踪生成式AI（Generative AI）、跨模态对齐、思维链强化学习、多模态交互、具身智能等最新技术趋势，提出创新性解决方案。
1.参与视觉大语言模型(VLM)算法的研究和落地，提升手机汽车等设备的多模态交互体验。 2.参与UIAgent、屏幕理解场景下的数据合成与质量提升，探索数据配比的前沿技术。