阿里巴巴
算法工程师-多模态大模型（T-Star Lab 日常实习）
算法工程师-多模态大模型（T-Star Lab 日常实习）
发布于 4 小时前实习/见习
实习生仅现场办公计算机视觉工程
计算机视觉工程
Aigc
Controlnet
Diffusion Model
Lora
Mllm
图像生成
多模态大模型
视频生成
值不值得投
80综合评分
综合评分 80
顶尖大厂T-Star实习、前沿多模态大模型技术、发展资源拉满，但工作强度预期较大。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
9千
比计算机视觉工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3080 个在招 · 其中计算机视觉工程 32 个
市场机会
选择面较广
杭州 · 计算机视觉工程 · 73 个在招
职位详情
关于这个职位
该职位为阿里巴巴淘天集团T-Star计划的日常实习岗，主要负责多模态大模型（MLLM）的研发，包括图像/视频内容的深度语义理解、图像生成算法优化（如Flux架构及微调技术），以及文生视频/图生视频前沿算法的探索与实现
最低要求
毕业时间在2026年11月及以后的海内外高校在校生，专业包括但不限于计算机、软件工程、人工智能、网络安全、信息与通信工程、电子科学、自动化、量子计算、数学以及其他前沿交叉学科等
具备扎实的深度学习基础，熟练掌握 Python，对 Transformer、Diffusion Model、VAE 等架构有深入理解
在图像生成（Qwen-image/Flux 生态）、视频生成或多模态理解领域有实际项目经验或深度研究
工作职责
研发多模态大模型（MLLM），提升模型对图像/视频内容的深度语义理解、描述（Captioning）及问答能力
负责基于 Qwen-image-edit / Flux等架构的图像生成算法优化，提升生成质量、多样性和可控性
研发针对特定风格、人物或场景的包括但不限于LoRA / ControlNet / IP-Adapter 等微调与控制技术
探索图像高清化（Upscaling）、局部重绘（Inpainting）及属性编辑等落地场景
负责文生视频（T2V）、图生视频（I2V）前沿算法的跟踪与实现（如 Sora, Veo-3 类似架构）
优化视频生成的时空一致性、动作流畅度及长视频生成能力，探索视频风格迁移、数字人驱动及视频编辑相关技术
优先资格
在 CVPR, ICCV, ECCV, NeurIPS, SIGGRAPH 等顶会发表过高质量论文优先
在 GitHub 上有高星 AIGC 开源项目贡献，或在 Kaggle、顶会挑战赛中获得优异成绩优先
AI 洞察
优缺点分析
优点
- 平台资源顶尖，能接触到亿级规模数据与最前沿的AI课题
- 导师阵容强大，有企业大牛与学术界名导指导，助力发表高水平论文
- 实习表现好可直接直通秋招正式Offer，职业发展路径清晰且确定性高
- 顶尖人才聚集，内部竞争激烈，需要持续保持高强度的学习与科研产出
- 适合具备扎实AI理论基础、有顶会论文或开源项目经验，且致力于在多模态大模型和AIGC领域深耕的顶尖高校在校生
缺点 / 挑战
- 课题极具挑战性，对算法基础、数学功底和创新研究能力要求极高
角色解读
- 依托海量数据与亿级应用场景，快速积累工业界大模型落地与前沿课题探索经验
- 表现优异者可通过T-Star计划提前锁定秋招正式Offer，向高级算法专家或AI研究员方向发展
- 研发多模态大模型，提升图像和视频内容的深度语义理解、描述与问答能力
- 优化图像生成算法，探索高清化、局部重绘及属性编辑等落地场景
- 跟踪并实现文生视频、图生视频前沿算法，优化视频生成的时空一致性与动作流畅度
- 扎实的深度学习基础，精通Python及Transformer、Diffusion Model等核心架构
- 具备图像/视频生成或多模态理解的实际项目与深度研究经验
- 熟悉LoRA、ControlNet等微调技术，有顶会论文或高星开源项目贡献者极具优势
申请策略
- 提前了解淘天集团在电商场景下的多模态技术落地需求，准备相关的业务思考
- 准备好论文或开源项目的详细技术细节，以应对深度的技术面
- 突出在图像/视频生成或多模态理解领域的具体项目经验及取得的核心指标提升
- 明确列出CVPR/NeurIPS等顶会论文发表情况或GitHub高星AIGC项目贡献
- 强调对Transformer、Diffusion Model等底层架构的深入理解与代码实现能力
- 深入研读Sora、Flux等最新多模态和生成式模型的论文与开源代码
- 熟练掌握LoRA、ControlNet等微调技术，并尝试复现或改进现有算法
面试指南
- STAR法则：针对项目经验，从背景、任务、行动（具体算法改进）、结果（指标提升/论文/开源）结构化回答
- 原理+实践：回答技术原理时，结合自己写代码复现或调优的实际经验，展现工程落地能力
- 请详细介绍你在图像/视频生成或多模态理解领域的一个核心项目，遇到了什么技术难点及如何解决？
- 对比分析Transformer和Diffusion Model在图像生成任务中的优劣，以及你如何优化生成质量？
- 针对文生视频任务，如何解决长视频生成中的时空一致性和动作流畅度问题？
- 请解释LoRA和ControlNet的原理，以及在特定风格或场景微调中如何结合使用？
- 复习深度学习基础及多模态、生成式模型的经典与最新论文（如Sora, Flux相关技术报告）
- 梳理自己过往项目中的核心代码和实验数据，确保能应对深挖细节的提问
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
作为顶尖人才计划的实习岗，日薪折算月薪处于市场较高水平，且提供直通正式Offer的机会，物质与职业回报预期较好。
薪资信号未披露（AI估算：6千–1.2万/月）
福利待遇有机会提前获得秋招直通T-Star的正式Offer、跟企业大牛导师/学术界名导一起做有价值的课题、丰富的技术资源、海量的数据与优秀的团队助力发paper
成长发展
95较高
职位提供顶级课题研究机会、大牛导师指导及海量数据资源，明确提及助力发paper和直通正式Offer，发展性动机得到极大满足。
技术前沿前沿/新兴技术
技术栈多模态大模型、MLLM、Transformer、Diffusion Model、VAE、LoRA、ControlNet、IP-Adapter、Sora、Flux
成长机会T-Star计划、顶尖人才招聘和培养项目、跟企业大牛导师/学术界名导一起做有价值的课题、助力发paper、提前获得秋招直通T-Star的正式Offer
业务类型profit_center
工作生活
50较低
JD未提及工作模式与工时安排，但作为顶尖人才计划的前沿课题实习，工作强度与压力预期较大，生活化动机满足度一般。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
致力于探索和实践最前沿的AI技术并在业务场景落地，具有较高的技术使命感与行业前沿探索价值。
行业发展高速增长赛道
社会影响中性/一般
使命信号探索和实践最前沿的AI技术、在有价值的业务场景落地技术成果
创新程度开拓性创新（行业首创）
Watch Jobs