多模态大模型招聘

面向2026届硕士/博士毕业生团队介绍：Data-电商基建团队，负责电商场景下的各种基础模型的研发与创新工作。职位描述：1、多模态大模型算法研发：负责电商场景下，图文，图视频，音频，OCR，口播等多个模态的预训练和对齐，产出多模态大模型的统一底座，用于电商治理场景所有多模态需求使用。2、基础算法研发：负责CV/多模态相关模型优化和迭代，视频预训练，视频标签体系建设，视频多模态语义识别，多模态表征学习，embedding等，用于包含视频意图理解、视频商品类目、同款/相似商品识别、图文意图判断等电商任务。3、梳理&沉淀算法库，抽象算法接口，最大化提高算法/预训练模型的复用率，同时优化数据采集&模型训练&部署&推理的流程，提升研发效率。职位要求：1、 有过大模型业务实习经历优先，熟悉大模型/多模态大模型工作优先，包括但不限于internvl， llava系列， deepseekvl等等等；2、在多媒体和计算机视觉某个领域有较深入的研究，包括但不限于：图像搜索、图像/视频分类和识别、目标检测、图文多模态模型、和视频文本多模态模型、视频预训练、视频语义标签等；3、有视频理解多模态大模型方面经验者最优先，有CV/多模态大模型相关项目经验优先；研发&优化电商视频&商品多模态大模型，结合LLM和视频/商品表征，支持视频多模态分类，视频QA，跨模态检索，商品分类等任务，显著超越线上模型；4、有较强的实践能力，在Kaggle，COCO，ImageNet，ActivityNet等比赛获奖者优先；5、扎实的深度学习技术基础，了解前沿的AI技术，有顶级学术会议（如CVPR、ICCV、ECCV等）发表论文者优先。有转正机会，有兴趣可私聊或发送简历到zhangxuezhong@bytedance.com