岗位描述
岗位描述：主导或深度参与语音多模态大模型的架构设计、训练、调优及迭代工作，提升模型整体性能，研究方向包括但不限于音频表征、音视频理解、语音生成、全双工语音对话、语音强化学习；跟踪学术界与工业界前沿技术动态，复现最新成果，推进技术迭代与创新突破；系统性设计并执行实验方案，深入分析模型表现，定位核心问题并提出有效优化与解决方案；参与团队合作，与团队一起解决技术难题，推动技术进展。 岗位要求：985/211 高校研究生及以上学历或优秀本科生，计算机、人工智能、软件、数学等相关专业；精通常用算法和数据结构，熟悉 Python 等编程语言，熟悉 Linux 平台；熟悉机器学习、深度学习，具备扎实算法基础，熟练使用 Pytorch、Megatron 深度学习框架；在语音多模态大模型某一领域（端到端语音、语音识别与理解、语音合成、Voice Agent）有深入研究经历；具备卓越的实验分析与问题解决能力，有创新思维与较强学习能力，能够良好沟通并与团队成员高效协作。加分项包括：在 ICASSP、Interspeech、ACL、ICML、NIPS、CVPR 等顶级学术会议发表过有影响力研究成果；在 ACM/ICPC、NOI/IOI、Kaggle 等编程或 AI 比赛获奖；主导或参与过 AI 相关且有较大影响力的开源或闭源项目。