统一多模态大模型后训练算法研究-阿里星

北京/杭州 · 校招 · 2027 届 · 博士

长期有效

前往官方投递页 →

任职要求

1、计算机科学、人工智能、机器学习或相关领域的硕士或博士学位；
2、在扩散模型、自回归模型、多模态生成理解、计算机视觉、NLP、AIGC、计算机图形学、机器学习等一个或多个领域有较深入的研究；数学公式推导能力强；熟悉流式音视频处理；
3、具有出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题，有自主探索解决方案的能力者；
4、能够积极创新，乐于面对挑战，负责敬业，优秀的团队合作精神，一起探索新技术，推进技术进步。
【加分项】
1、具有优秀的基础算法、扎实的机器学习基础，在相关领域国际顶级会议（ACL、EMNLP、CVPR、ICCV、NeurIPS、ICLR、AAAI 等）有高质量论文发表者优先；
2、具有优秀的代码能力，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先；
3、在多模态、大模型、基础模型、世界模型、RL、渲染生成领域，主导过大影响力项目者优先；
4、在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。

岗位描述

针对当前多模态大模型在后训练阶段面临的模态割裂、对齐效率低、奖励信号稀疏且场景泛化能力弱等关键挑战，本课题聚焦于构建统一的多模态大模型后训练算法体系。研究内容主要包括三个方面：

1、探索模型高效对齐的后训练算法，结合指令微调、偏好学习与知识蒸馏技术，提出低资源、高响应的对齐范式，实现模型行为与人类意图的高度契合。通过构建“奖励驱动—训练加速—对齐优化”三位一体的后训练框架，推动多模态大模型向更智能、更可靠、更可控的方向持续演进，为通用人工智能提供可复用、可扩展的算法基础设施；
2、开展超大规模强化学习（RL）训练架构优化，研究分布式训练中的梯度同步策略、样本效率提升方法与稳定收敛机制，支撑千亿级甚至万亿级参数模型在多模态环境下的高效策略优化；
3、设计面向通用场景的多模态统一奖励系统（Reward System），融合语言、视觉等多维信号，构建细粒度、可泛化的奖励函数，实现跨模态语义一致性与任务目标的联合建模。
1、计算机科学、人工智能、机器学习或相关领域的硕士或博士学位；
2、在扩散模型、自回归模型、多模态生成理解、计算机视觉、NLP、AIGC、计算机图形学、机器学习等一个或多个领域有较深入的研究；数学公式推导能力强；熟悉流式音视频处理；
3、具有出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题，有自主探索解决方案的能力者；
4、能够积极创新，乐于面对挑战，负责敬业，优秀的团队合作精神，一起探索新技术，推进技术进步。

【加分项】

1、具有优秀的基础算法、扎实的机器学习基础，在相关领域国际顶级会议（ACL、EMNLP、CVPR、ICCV、NeurIPS、ICLR、AAAI 等）有高质量论文发表者优先；
2、具有优秀的代码能力，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先；
3、在多模态、大模型、基础模型、世界模型、RL、渲染生成领域，主导过大影响力项目者优先；
4、在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。

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

登录后分析我的简历

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）

类型专业能力·难度困难

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

类型项目经历·难度中等

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

类型专业能力·难度简单

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

类型专业能力·难度中等

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

类型情景/案例·难度中等

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。

前往官方投递页 →