阿里巴巴
校招多模态大模型研究-阿里星/T-Star
北京/杭州 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 【必备项】
- 1. 硕士及以上学历，计算机、人工智能、电子与通信等相关专业。
- 2. 熟悉计算机视觉、机器学习、图像/视频分析与处理、多模态内容理解、AIGC等相关领域技术和应用。
- 3. 具备极佳的工程实现能力，熟练掌握C/C++、Java、Python等至少一门语言。
- 4. 学习能力强，对新事物有好奇心，对所在领域有热情，善于独立思考并反思总结。
- 5. 良好的沟通能力和团队协同能力，善于合作，乐于分享。
- 【加分项】
- 1.在校园内或互联网公司有相关实习或项目经历。
- 2.在ICCV、CVPR等国际顶级会议、期刊上发表论文，或在相关学术会议组织的权威比赛中获奖。
岗位描述
负责淘天用户&内容场域的AI内容生成和用户内容理解，技术落地涉及淘天信息流、搜索、商详、互动等核心场域，内容形式涉及图文、视频、语音等。通过上述场域的持续数据积累，为各场域提供多样性、个性化的AI生成和理解能力，打造淘天场域最优秀的内容AI团队。
相关研究课题细分方向如下：
● 【多模态统一大模型】:结合开源及淘内丰富多模态数据，打造用户内容场域统一端到端多模态模型，支持多模态输入输出，性能达到业内先进水平，并持续推动在多模态内容生产、互动人机对话等垂直场域的应用。
● 【多模态文本大模型】:通过多模态对齐、多模态RL等方式，提升多模态模型数据融合及人类偏好对齐能力，结合各场域数据开发更懂用户的多模态文本大模型，落地互动、比货、导购、用户内容理解等场域。
具体工作内容如下：
- 1、基于淘天海量商品数据，打造技术先进的电商多模态大模型，提升对多模态异构的商品数据(图、文、视频等)的理解能力和结构化能力，输出底层算法能力和高质量结构化数据，支撑发布、比货、导购等多种电商业务场景，并面向商家和消费者探索AIGC等创新业务应用。工作内容包括模型结构设计、训练任务设计、预训练和下游能力建设等。
- 2、基于淘天用户丰富的消费行为，打造技术先进的电商用户理解多模态大模型，提升对用户的异构行为本质的认知能力，支撑用户个性化的搜索、商详、互动等多种电商业务场景。
- 3、跟踪、探索大模型方向/多模态预训练方向的前沿技术，将各方向的SOTA能力集成到模型底座上，提升下游任务的效果，打造团队的技术先进性。
【必备项】
- 1. 硕士及以上学历，计算机、人工智能、电子与通信等相关专业。
- 2. 熟悉计算机视觉、机器学习、图像/视频分析与处理、多模态内容理解、AIGC等相关领域技术和应用。
- 3. 具备极佳的工程实现能力，熟练掌握C/C++、Java、Python等至少一门语言。
- 4. 学习能力强，对新事物有好奇心，对所在领域有热情，善于独立思考并反思总结。
- 5. 良好的沟通能力和团队协同能力，善于合作，乐于分享。
【加分项】
- 1.在校园内或互联网公司有相关实习或项目经历。
- 2.在ICCV、CVPR等国际顶级会议、期刊上发表论文，或在相关学术会议组织的权威比赛中获奖。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。