阿里巴巴
算法技术-搜索多模态大模型应用-算法工程师实习生
算法技术-搜索多模态大模型应用-算法工程师实习生
发布于 大约 2 小时前实习/见习
北京市 / 杭州市
无经验要求
实习生
仅现场办公
硕士
机器学习工程
Llm
Pytorch
Rlhf
Sft
Tensorflow
Vllm
多模态大模型
模型加速
电商搜索
AI 估算 · 0k–1k
实习生薪资通常按日或月计算，大厂算法实习生日薪约300-500元，考虑到岗位技术含量高，取中值。
职位详情
关于这个职位
这是阿里巴巴搜索团队的多模态大模型算法实习生岗位，你将参与多模态大模型的预训练、SFT、RLHF等前沿技术研究，并应用于电商搜索场景，包括个性化预训练、相关性模型、稀疏检索和推理加速等方向
适合对多模态大模型有浓厚兴趣、具备扎实深度学习基础的硕士或博士生，能接触到工业级大规模数据和真实业务场景
最低要求
自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生
熟悉多模态/大语言模型的基本原理和相关算法，如BLIP2、CLIP、GPT、GPT-4等
熟练掌握Tensorflow、Pytorch等深度学习框架，扎实的编程基础，具备独立的算法实现能力
工作职责
跟进多模态大模型（vLLM）预训练、SFT、RLHF等技术，调研与跟进最新进展
负责多模态相关性大模型、多模态大模型稀疏检索和稠密模型，多模态大模型个性化预训练方向，以及多模态大语言模型的训练和推理加速
多模态大模型个性化预训练：研发个性化预训练模型，探索在训练样本、模型参数量等维度上scale-up能带来的收益，研究在电商搜索场景下, CTR和CVR 模型中用户动线特征的挖掘和应用，包括用户行为模型的获取、特征设计、结构优化等个性化建模
多模态大模型的训练和推理加速：协助研究和开发多模态大语言模型的加速技术，包括但不限于量化、剪枝和蒸馏，以及数据特征和调度优化
实现和优化多模态大模型推理框架，以提高推理速度和效率
与工程团队合作，解决机器学习模型在部署过程中的性能问题
多模态大模型相关性模型：研发基于多模态大模型的相关性标注和评测大模型，应用到体验实验评测、体验监控、离线数据标注、线上相关性判断等方向
多模态大模型稀疏检索和稠密模型：研究方向包括不限于：电商词表生成、多模态稀疏词表和稠密表征技术、LLMs幻觉缓解等问题
优先资格
有LLM实操经验，参与过大模型预训练，SFT，RLHF等项目者优先
良好的逻辑分析能力和数理基础，对算法原理及应用有较深入的理解，在人工智能相关的各类国际顶级会议/期刊中发表过论文者优先
AI 洞察
优缺点分析
优点
- 平台优势：阿里巴巴是行业巨头，拥有海量电商数据和丰富的业务场景，能接触真实工业级大模型应用
- 技术前沿：岗位涉及多模态大模型、个性化预训练、推理加速等热门方向，技术含金量高
- 成长快速：与顶尖团队合作，有机会参与国际会议论文发表，提升学术和工程能力
- 转正机会：实习表现优秀者可能获得转正offer，职业起点高
- 技术难度大：多模态大模型训练和推理加速需要深厚的理论基础和工程能力，学习曲线陡峭
- 竞争激烈：岗位要求高，候选人多为名校硕博，竞争激烈
- 适合对多模态大模型和搜索技术有浓厚兴趣，具备扎实深度学习基础，抗压能力强，希望在工业界积累实战经验的硕士或博士生
缺点 / 挑战
- 工作强度高：互联网大厂节奏快，可能面临较大工作压力和加班
角色解读
- 实习期间可深入工业级大模型应用场景，积累多模态大模型训练和部署的实战经验
- 表现优秀者有机会转正，成为阿里巴巴算法工程师，参与核心搜索业务
- 未来可向多模态大模型专家或技术管理方向发展，在AI领域持续深耕
- 参与多模态大模型的预训练、SFT、RLHF等核心环节，跟进最新技术进展并落地到电商搜索场景
- 研发个性化预训练模型，挖掘用户行为特征，优化CTR和CVR模型，提升搜索效果
- 研究和实现模型加速技术，如量化、剪枝、蒸馏，优化推理框架，提高部署效率
- 开发多模态相关性模型和稀疏检索技术，解决电商搜索中的相关性判断和检索问题
- 扎实的深度学习基础，熟悉Transformer架构、多模态模型（如CLIP、BLIP2）和大语言模型（GPT系列）
- 熟练掌握PyTorch或TensorFlow，具备独立实现算法的编程能力
- 了解大模型训练和推理加速技术，如分布式训练、量化、蒸馏等
- 良好的数学和逻辑分析能力，能够理解和优化算法原理
申请策略
- 关注阿里巴巴招聘官网和校园招聘渠道，及时投递
- 在简历中突出与岗位匹配的技能，并准备展示项目成果的代码或文档
- 突出多模态或大模型相关项目经验，如预训练、SFT、RLHF等，并说明具体贡献和成果
- 强调深度学习框架（PyTorch/TensorFlow）的熟练度，以及独立实现算法的能力
- 如有论文发表，重点展示在AI顶会或期刊上的成果，体现研究能力
- 展示对电商搜索或推荐系统的理解，如相关项目或课程设计
- 提前学习多模态模型（如CLIP、BLIP2）和大语言模型（如GPT）的原理，并动手实践
- 熟悉vLLM等推理框架，了解模型量化、剪枝、蒸馏等加速技术
面试指南
- STAR法则：描述项目背景、任务、行动和结果，突出个人贡献和量化成果
- 技术原理+实践结合：先解释基本原理，再结合项目经验说明应用和效果
- 问题解决思路：遇到技术难点时，如何分析、尝试解决方案并最终解决
- 请介绍你参与过的多模态或大模型项目，具体负责哪些部分？
- 如何理解多模态大模型的预训练和SFT？请谈谈你的经验
- 在模型推理加速方面，你了解哪些技术？如何选择量化、剪枝或蒸馏？
- 如何设计一个多模态相关性模型用于电商搜索？
- 你对RLHF有什么理解？如何应用到实际场景？
职位点评
67
综合评分
顶级互联网大厂，前沿多模态大模型技术，发展空间大，但工作强度高，WLB一般。
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。
更适合这类人
适合追求技术成长、希望接触前沿AI领域、能接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展95
工作生活40
使命价值80
薪资福利
60中等
实习薪资在行业中属于中上水平，但作为实习岗位，整体薪酬福利有限，且未明确提及转正后待遇。
薪资信号未披露（AI估算：0K-0K/月）
成长发展
95较高
岗位处于AI前沿领域，涉及多模态大模型、个性化预训练、推理加速等核心技术，能极大提升技能和职业竞争力。
技术前沿前沿/新兴技术
技术栈多模态大模型、vLLM、预训练、SFT、RLHF、量化、剪枝、蒸馏、PyTorch、TensorFlow
业务类型profit_center
工作生活
40较低
工作地点在北京或杭州，需现场办公，未提及弹性工作安排，互联网大厂实习强度可能较大。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
电商搜索场景直接影响用户体验和商业效率，具有较高的行业价值，但社会影响力相对中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs