简介
内容理解基础算法：电商的业务比较复杂，包括商品/视频/达人等多个维度的信息，对NLP/CV/多模态等方向的基础算法技术有依赖。所以我们成立内容理解基础算法团队，主要 focus 在 NLP/CV/多模态的大模型算法和基础算法研发上，旨在沉淀CV/NLP/多模态方向上的业界SOTA模型，同时也需要在这几个方向持续深耕，针对电商数据优化算法，提升电商业务效果
职位描述
1. 大模型算法研发：构建电商领域的大模型LLM底座，融合电商的知识，快速落地电商业务，例如：沉淀电商大模型预训练链路，研发电商NLP大模型，或者研发电商图文或者视频多模态大模型
2. 基础算法研发：持续建设和深耕NLP/CV/多模态基础预训练算法（BERT类算法），例如：沉淀&优化电商场景的预训练模型，包括超长文本/口语文本预训练，电商图片/视频自监督，适配电商商品的多模态表征学习等
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
4. 技术输出：定期分享SOTA模型，赋能电商甚至公司级别的业务BU，沉淀专利和论文
职位要求
1. 扎实的机器技术基础，了解前沿的AI技术，发表过高水平学术会议论文或者有竞赛经验者优先；
2. 熟悉大数据相关框架和应用 MR/Spark 等优先；
3. 熟悉TensorFlow/PyTorch模型的训练和部署，了解混合精度训练、分布式训练等训练加速方法优先；
4. 了解模型压缩&推理加速的研究和技术进展，包括但不限于模型量化、剪枝、蒸馏、TensorRT推理优化等；
5. 熟悉以下任一方向的技术
1. CV&多模态
1. 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、图像分割、目标检测、OCR、图神经网络、多模态、无监督和自监督学习等；
2. 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
3. 有较强的实践能力，在Kaggle，COCO，ImageNet，ActivityNet，ICPC等比赛获奖者优先；
4. 熟悉前沿工作，有顶级学术会议（如CVPR、ICCV、ECCV等）发表论文者优先
2. 自然语言处理（NLP）
1. 在NLP方向上有较深入的研究，包括但不限于：预训练技术，自然语言理解，多语言&跨语言学习，自然语言生成，迁移学习，半监督督学习等；
2. 有LLM大模型相关项目经验优先；研发NLP大模型，以统一电商场景的NLP任务，落地电商业务场景
3. 有较强的实践能力，在Kaggle，GLUE，Super GLUE，CLUE等比赛获奖者优先；
4. 熟悉前沿工作，有顶级学术会议（如ACL、EMNLP等）发表论文者优先。