我们是一支获得上海高校孵化支持的创业团队，方向前沿，正在探索 AI 与时尚、艺术及品牌创意的结合，希望让 AI 更好地理解、学习审美与视觉风格，并将这些能力应用到真实业务中。 目前项目已进入模型实验与开发阶段。我们希望找到一位技术基础扎实、能独立解决问题且对公司方向感兴趣的同学，一起把新的技术可能变成可使用的能力。 我们更看重你的技术能力、学习速度以及稳定性，不要求你有垂直经验或时尚背景。 【！！！为了不浪费彼此时间，以下情况请勿投递：】 1.只为实习证明，只能实习三个月 2.无法接受创业公司前期的困难与不确定性 3.不能独立完成，无mentor指导 【工作职责】 我们正在研究如何让模型学习和复用人类的时尚艺术审美。目前的工作包括 LoRA 训练、InstantStyle 等开源项目的修改，以及审美数据与模型评测体系建设。 1. 视觉特征提取与审美结构化 使用计算机视觉、多模态模型和图像处理方法，提取图片中的主体、服装、构图、色彩、光线、材质及风格特征；结合人工分析，整理成可检索、可比较的数据，为训练、参考图匹配和生成控制提供依据。 2. 训练数据建设 根据实验目标整理图片、描述、标签和人工偏好数据，完成清洗、去重、标注与训练验证集划分；分析数据质量、样本分布和标注方式对模型效果的影响，持续调整数据。 3. 模型训练与微调 参与 LoRA 等模型微调，运行并修改训练脚本，调整训练参数、采样及数据处理方式，比较不同数据和训练配置的效果。分析过拟合、风格表达不足、主体细节丢失、训练效果不稳定等问题，提出并验证改进方法。 4. 开源模型与方法修改 阅读并修改 InstantStyle 等项目的代码，理解参考图特征如何进入生成过程，根据实际问题调整特征处理、条件注入或推理流程。重点验证风格迁移过程中，如何保留需要的构图、色彩和材质特征，同时减少参考图主体内容的干扰。 5. 效果评测与问题分析 建立固定测试集、成对比较和人工评价流程，分别评估风格相似性、主体保持、指令遵循及图像质量。通过对照实验和失败案例分类，判断改进来自数据、模型修改还是推理参数，避免仅凭少量精选图片判断效果。 【专业能力要求】 我们重视技术基础和独立解决问题的能力。过往项目可以来自其他行业或技术方向，不要求已有时尚审美、垂直经验，但需要通过真实项目证明以下能力。 1. Python 与模型代码开发能力 - 熟练使用 Python，能够独立完成数据读取、处理、模型调用和结果保存； - 使用过 PyTorch 或同类深度学习框架，能够阅读模型实现、修改代码，并检查输入输出、张量维度和计算过程； - 能够定位代码、数据和运行环境中的问题，理解并修改 AI 辅助生成的代码。 2. 机器学习与模型实验基础 - 理解训练与推理、损失函数、梯度更新、学习率、过拟合及泛化等基本概念； - 有实际的模型训练、微调或算法实验经历，能够说明数据如何处理、模型如何运行、效果如何验证； - 能阅读技术文档或论文，并将其中的方法落实到代码；面对效果不佳的情况，能够提出具体假设并设计实验排查。 3. 至少一个技术方向上的深入实践 在以下任一方向有扎实实践即可，也欢迎其他能够证明技术深度的项目： - 计算机视觉与图像处理，如分类、检测、分割、特征提取或图像检索； - 生成模型、模型微调、条件控制或风格迁移； - 多模态学习、表征学习、相似度计算或偏好建模； - 其他包含模型实现、训练优化或复杂数据处理的算法项目。 需要能够解释核心方法、本人完成的代码，以及遇到过的实际技术问题。 【加分项】 - 修改过模型结构、训练逻辑、损失函数或推理流程，并有实验结果支持； - 有 Diffusion、LoRA、IP-Adapter、InstantStyle 或同类方法的实践； - 使用过 CLIP、DINO、SAM 或其他视觉、多模态模型； - 有图像数据集建设、人工偏好评测或训练问题排查经验； - 对摄影、时尚、艺术或品牌视觉有持续兴趣，愿意与业务成员共同分析图片和效果。 【工作方式与实习安排】 - 工作地点：上海； - 每周可稳定实习 5 天，持续约 6 个月； - 能够尽快到岗者优先； - 小团队直接协作，需要具备独立调研、实验和开发能力，能够在目标明确、实现路径仍需探索的情况下推进工作。 【申请材料】 请提供： 1. 个人简历，以及到岗时间、每周可投入天数和可持续实习时长； 2. 最能代表本人能力的 1—2 个项目，可附代码仓库、Demo、运行录屏、论文或脱敏技术材料； 3. 简要说明其中由你完成的部分，以及遇到过的一个真实技术问题、你的处理过程和结果。 我们更希望看到一个你真正理解、深入参与过的项目。