多模态基础模型实习生

【岗位定位】 本岗位致力于构建大模型的“感官”核心，定义小红书下一代多模态智能基座。小红书拥有业界最独特的图文与短视频 UGC 数据生态，是多模态模型落地最肥沃的土壤。你将负责 VLM 的 Post-training（SFT/RL） 与 架构演进，让模型不仅能“看见”，更能“洞察”与“推理”，深度赋能搜索、广告、推荐、电商、智能创作等全链路业务场景。 【工作职责】 1. 核心模型研发：参与大规模视觉语言模型（VLM/MLLM）的预训练、微调和强化学习，优化模型在多模态理解、推理等任务上的表现； 2. 数据闭环构建：探索高质量多模态数据的自动化清洗、标注与构造方案，从源头提升模型性能； 3. 前沿技术探索：研究 Scaling Law、长文本/长视频理解、多模态 Agent 等前沿方向，保持团队技术领先性； 4. 业务落地支撑：将 VLM 基础能力转化并赋能于小红书复杂的社区场景，解决实际的图文/视频理解难题。 【任职要求】 1. 专业背景：计算机、自动化、数学等相关专业在读，对多模态方向有浓厚兴趣； 2. 技术功底：编程基础扎实，精通 Python，熟练掌握 PyTorch 框架，有分布式训练（DeepSpeed/Megatron-LM）经验者大加分； 3. 算法理解：熟悉主流 VLM 架构（如 LLaVA, Qwen-VL, InternVL 等）及训练策略，对 Transformer 机制有深度理解； 4. 加分项：在 CVPR、ICCV、NeurIPS、ICLR 等顶会发表过论文者优先；有大规模数据清洗或基础模型训练经验者优先； 5. 实习要求：能长期实习，至少 4个月 以上，每周出勤 4天 及以上，Base 北京。