未来生活实验室-多模态大模型和认知推荐方向日常实习生

优缺点分析

角色解读

• 在实习期间深入参与前沿大模型项目，积累宝贵的工业界经验
• 有机会发表高水平论文，提升学术影响力
• 表现优秀者有机会转正，成为阿里巴巴的正式员工，继续在AI领域深耕
• 参与多模态大模型的预训练、SFT、RLHF等核心环节，进行算法研究与实现
• 探索RAG、CoT、MoE、Agent等增强式MLLM技术，提升模型能力
• 参与自动化数据收集、治理、合成等数据中心飞轮的建设
• 将大模型技术应用于电商搜索、推荐场景，进行数据增强、知识增强和标签修正
• 扎实的深度学习基础，熟练掌握PyTorch、TensorFlow等框架
• 具备CV、NLP、ML等领域的扎实基本功，有MLLM实操经验
• 良好的逻辑分析和数理基础，对算法原理有深入理解
• 有参与大模型预训练、SFT、RLHF等项目经验者优先

申请策略

• 在简历中明确你的实习时长和可到岗时间，强调能长期线下实习
• 关注阿里巴巴未来生活实验室的研究方向，在面试中展现你对业务的思考
• 突出你的MLLM实操经验，详细描述参与过的预训练、SFT、RLHF等项目
• 强调你在CV、NLP、ML领域的项目成果，特别是与多模态、推荐相关的项目
• 列出你的论文发表情况，以及参与的开源项目或竞赛获奖经历
• 展示你的编程能力，特别是PyTorch、TensorFlow等框架的使用经验
• 系统复习Transformer、ViT等模型架构，深入理解多模态对齐的原理
• 动手实践RAG、CoT、Agent等增强式MLLM技术，尝试复现相关论文

面试指南

• 回答项目经验时，采用STAR法则（情境、任务、行动、结果），突出你的贡献和思考
• 回答技术问题时，先阐述基本原理，再结合具体场景分析，最后提出你的见解或优化思路
• 回答开放性问题时，展现你的逻辑思维和对前沿技术的理解，可以适当引用论文或业界实践
• 请详细介绍一下你参与过的多模态大模型项目，你在其中承担了什么角色？
• 谈谈你对RLHF的理解，以及它在多模态模型中的应用
• 如何解决多模态模型在电商场景下的数据稀缺问题？
• 你如何看待RAG和Agent技术在大模型中的应用前景？
• 请描述一次你解决复杂算法问题的经历