研究型实习生-基于多模态大模型表征的冷启动关键技术研究

岗位职责

研究领域： 推荐系统 项目简介： 当前推荐系统在建模方式上大多依赖结构化行为序列与稀疏ID特征，这种方法在数据规模充足、用户兴趣稳定的场景下具备一定实用性，但面对冷启动、新内容、长尾用户等情况时显得力不从心。另外，推荐系统对非结构化信息的利用严重不足。工业级场景中大量信息以自然语言、图像、音视频等形式存在，但这些蕴含丰富语义的非结构化数据往往被简化为静态标签或类别ID，导致信息严重损失，也进一步加剧了模型在内容冷启动时的推荐难度。多模态大模型通过统一编码器实现文本、图像、音视频的深度语义对齐，如何利用多模态大模型的产出提升推荐系统的语义感知能力，实现新用户和新物品的精准推荐，是该课题想要解决的核心问题。

任职要求

研究领域：

• 目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位
• 具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go
• 具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用：
• 对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色
• 在国际会议上或核心期刊发表一份或多份出版物或论文
• 至少3个月的全职工作

特色标签

C/C++、Golang、Java、Python、个性化推荐系统、发表算法相关优秀论文、图像算法、多模态内容、多模态基础模型、多模态大型语言模型、多模态算法、多模态语义对齐、多模态非结构化数据、多源异构媒体、大模型算法、推荐、推荐算法、推荐系统冷启动、新物品冷启动、新用户冷启动、智能推荐系统、机器学习、深度学习、算法工程化经验、自然语言处理算法、跨模态语义对齐、非结构化数据