快手垂搜大模型&&AI团队1、团队介绍我们是快手垂搜大模型&&AI团队，致力于构建文本大模型、视觉大模型、多模态搜索、User Agent新系统，应用于多种电商场景（如快手搜索Query改写/生成/意图识别、搜索相关性、拍照搜同款、图文相似款等)。团队紧随技术潮流，不断技术/商业创新，期待与优秀的同学一道，进一步扩大影响力。团队一直坚持学术与业务并向发展的方式，目前在CVPR、WWW、AAAI、EMNLP、SIGIR等会议发表论文多篇 (其中一篇Shared Task Best Paper, 一篇Outstanding Paper)，并在国内知名赛事与榜单荣获过多项Top2成绩；内部提供充分的交流讨论，现有正式员工与实习同学均来自国内/全球顶尖学校；在这里你会有专业的Mentor实时指导技术创新与业务落地。过去半年团队一共发表论文4篇，AIGC方向专利5项。组内机器资源充足(数百张V100/A100/4090)，产研结合，自由度高。组内氛围良好，年轻同学多且有活力，小组内部定期有LOL/桌游/团建旅行。实习表现出色可优先转正及获取SSP Offer。万分期待你的加入！2、实习内容1、探索前沿的 NLP 技术：LLM驱动的搜索Query理解（Query改写/生成/意图识别）、基础相关性等，全链路拥抱LLM。2、基于LLM能力，探索新一代的AI搜索前沿场景和技术，包括端到端LLM4Search、LLM4Retrieval等。3、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持LLM生成算法的性能优化与落地；4、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究。当然，研究不限于上述方向，如果您觉得其他方向非常有趣/有价值，也欢迎交流讨论。3、职位要求1、计算机、数学、人工智能或相关专业硕士及博士在读，有扎实的机器学习和NLP算法基础。2、熟悉LLM工程技术和方法，并掌握大模型的微调和评估方法；有参与大模型研发者优先。3、熟悉深度学习框架，如TensorFlow、PyTorch等，有扎实的编程基础和代码实现能力。4、具备优秀的业务感知以及分析和解决问题的能力，良好的沟通协作能力。5、有高水平论文（如ACL、CVPR、NIPS、AAAI、ICML等)或者开源项目者优先。6、日常实习注重业务和算法创新结合，工程能力及有实习经验者优先。7、实习时间3-6个月工作地点：北京简历投递：guoxian@kuaishou.com 或线下私聊———————————————  附录  ———————————————团队技术成果总结【论文】论文名称录用&投稿情况Self-Renewal Prompt Optimizing with Implicit ReasoningEMNLP‘24 FindingsMoDULA: Mixture of Domain-Specific and Universal LoRA for Multi-Task LearningEMNLP’24 MainContrastive Token Learning with Similarity Decay for Repetition Suppression in Text GenerationEMNLP‘24 FindingsRobust Interaction-based Relevance Modeling for Online E-Commerce and LLM-based RetrievalPKDD’24 Oral & Outstanding PaperGeneral2Specialized LLMs Translation for E-commerceWWW'24 OralLLMs-based machine translation for E-commerceExpert Systems with Applications (SCI一区)Preference Aware Item Cold-Start Recommendation with HierarchicalItem AlignmentInformation Fusion(SCI一区)Preference Aware Dual Contrastive Learning for Item Cold-start RecommendationAAAI‘24  OralMutual Information assisted graph convolution network for cold-start recommendationICASSP'24 PosterUnified Vision-Language Representation Modeling for E-Commerce Same-Style Products RetrievalWWW'23 OralFashionKLIP: Enhancing E-Commerce Image-Text Retrieval with Fashion Multi-Modal Conceptual Knowledge GraphACL'23 OralTransformer-based language model fine-tuning methods for covid-19 fake news detectionAAAI'21ST Best PaperLeveraging Domain Agnostic and Specific Knowledge for Acronym DisambiguationAAAI'21 OralKaleido-BERT: Vision-Language Pre-training on Fashion DomainCVPR'21 PosterFashionBERT: Text and image matching with adaptive loss for cross-modal retrievalSIGIR'20 Oral【比赛】● NLP 顶级 Benchmark SuperGLUE 全球第二(国内第一)● NLP Question-Answer 顶级 Benchmark PIQA 全球第一● NLP Question-Answer 顶级 Benchmark CommonsenseQA 全球第二● ECAL Offensive Language Identification 挑战赛 Malayalam, Tamil, Kannada 2/3/4 名● AAAI  Acronym Identification 挑战赛全球第一● AAAI  Acronym Disambiguation 挑战赛全球第二