阿里巴巴
校招多模态统一表征研究-阿里星
杭州 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1、计算机、人工智能等相关领域博士学历（或有突出研究成果的硕士），在机器学习、计算机视觉、多模态、大模型等领域有扎实的理论基础与研究经验；
- 2、在多模态表征学习、自监督学习、跨模态对齐、多模态生成、视觉/音频编码建模（Encoder/Tokenizer/VAE）等一个或多个方向有深入研究，对表征与生成模型的协同优化有独到理解者优先；
- 3、具备出色的科研素养与独立研究能力，能完成从问题定义、方案设计到大规模实验验证的完整研究闭环；在上述方向以第一作者身份发表 NeurIPS/ICML/ICLR/CVPR/ICCV/ECCV等高水平论文，或有知名开源项目贡献、大规模工业界落地产出者优先；
- 4、有强自驱力与前沿探索热情，善于独立思考与反思总结，具备良好的沟通与团队协作能力。
岗位描述
本岗位偏向前沿研究与技术探索，聚焦多模态生成基础模型的底层表征问题，为大规模高质量数据构造与下一代多模态基础模型提供核心表征支撑。
- 1、全模态统一表征：构建图像、视频、音频等模态统一的融合表征技术，探索不同模态间的高效联合建模范式，突破视频表征、音视频联合表征、物理规律表征等核心难题；
- 2、统一编码器与生成架构：研究面向多模态的统一编码器 / Tokenizer 设计，探索原生表征与生成模型架构的协同设计方式，为下一代多模态生成模型提供表征支撑；
- 3、条件可控表征：开展多模态大模型驱动的条件可控表征研究，应用于全流程多模态数据管线，助力打通""表征—数据—模型""的数据飞轮，支撑大规模高质量多模态数据的构造和持续扩展（scaling）；
- 4、推动相关技术在多模态模型研发中的落地闭环，持续跟进前沿，主导算法创新，沉淀高质量的原创工作。
- 1、计算机、人工智能等相关领域博士学历（或有突出研究成果的硕士），在机器学习、计算机视觉、多模态、大模型等领域有扎实的理论基础与研究经验；
- 2、在多模态表征学习、自监督学习、跨模态对齐、多模态生成、视觉/音频编码建模（Encoder/Tokenizer/VAE）等一个或多个方向有深入研究，对表征与生成模型的协同优化有独到理解者优先；
- 3、具备出色的科研素养与独立研究能力，能完成从问题定义、方案设计到大规模实验验证的完整研究闭环；在上述方向以第一作者身份发表 NeurIPS/ICML/ICLR/CVPR/ICCV/ECCV等高水平论文，或有知名开源项目贡献、大规模工业界落地产出者优先；
- 4、有强自驱力与前沿探索热情，善于独立思考与反思总结，具备良好的沟通与团队协作能力。
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。