返回信息流岗位名称：生成式AI数据与搜索算法实习生 (Data & Search Engine Intern)
所属部门： 蚂蚁集团 - 生成式AI团队
工作地点： [北京/杭州/上海]
研究方向： 生成式AI (Video Generation)
我们能为你提供：
(1) 资源支持： 我们在生成式AI领域（图像/视频生成）有深厚积累。GPU资源充足（有千卡算力）。
(2) 成熟框架： 团队已打通大规模Video Generation预训练框架。前期的基础工作已经完成，你可以直接在这套成熟系统上进行数据管线的优化和算法迭代。
(3) 团队氛围轻松融洽： Mentor和Leader人都巨好，组里工作/生活氛围都很好。除了科研，在这里你也能找到很多志同道合的好朋友。我们希望你在这里不仅能收获一段扎实的经历，也能度过一段开心的时光。
岗位职责：
我们正在寻找对海量数据处理、搜索引擎及爬虫技术有深入理解的同学，参与构建行业领先的生成式AI数据底座。你将负责：
大规模多模态数据获取（Crawler & Data Mining）：
负责构建高性能分布式爬虫系统，针对公开数据集及多媒体资源进行大规模抓取。
解决海量数据采集过程中的反爬、IP代理池管理及异构数据解析问题，保障数据链路的稳定性与高吞吐。
数据画像与智能清洗引擎（Data Profiling Engine）：
去重与指纹算法： 实现基于感知哈希（pHash）、语义向量（Embedding）及图聚类的高效去重算法，剔除冗余数据。
质量评估体系： 开发算法识别图像/视频的压缩伪影、计算信息熵，并利用VLM（视觉语言模型）进行美学评分、NSFW过滤及AIGC内容检测，确保训练数据的“纯净度”。
多模态打标： 利用大模型（LLM/VLM）对海量数据进行语义理解，生成包括分类、OCR、细节描述在内的多层次标签（Captioning）。
跨模态向量搜索引擎（Cross-modal Vector Engine）：
向量索引构建： 基于 Faiss/Milvus 等工具，构建亿级多模态数据的向量索引，优化 k-NN 检索性能。
数据挖掘与归因： 搭建基于向量检索的数据分析平台，支持通过检索 Bad Case（如生成错误的样本）反向定位并清洗训练集中的脏数据。
知识图谱构建： 参与构建世界知识拓扑图，利用检索增强（RAG）技术平衡数据分布，解决长尾概念缺失问题。
我们期待你：
(1) 基础素质：
计算机、软件工程、人工智能或相关专业在读本科/硕士/博士。
有充足的实习时间投入（每周≥4天，实习周期≥3个月）。
(2) 技术要求：
扎实的编程能力： 精通 Python，熟悉 C++/Java 者加分；拥有良好的数据结构与算法基础。
数据/搜索工程经验（核心加分项）：
熟悉 网络爬虫 技术（Scrapy, Selenium, Puppeteer等），有过大规模数据抓取或ETL处理经验。
熟悉 搜索引擎/向量数据库 原理与应用（如 ElasticSearch, Faiss, Milvus, Vector DB），了解倒排索引、HNSW等算法。
多模态理解： 了解 CLIP、VLM (如LLaVA)、Diffusion Model 等基本原理，能够灵活调用大模型API进行数据处理。
简历投递方式：
感兴趣的同学可以把简历发送到：godubnation7@gmail.com 或者加我vx 18173400204
邮件主题格式：【数据实习生】姓名-学校-专业-年级-实习时长
这是一条镜像帖。来源：北邮人论坛 / parttime-job / #982607同步于 2025/12/30
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ParttimeJob机器人发帖
[老学长直招] 蚂蚁生成式AI数据与搜索算法实习生
ljqnb
2025/12/30镜像同步5 回复
订阅后，新回复会通过你的通知中心匿名送达。