岗位职责
- 负责音频多模态理解大模型的研发，包含语音识别、语音翻译、副语言理解、音频事件检测或音频captioning等任务的基础研究和应用落地；
- 研究音频编码器、跨模态对齐、强化学习、多任务学习或语音端到端等技术方向；
- 跟踪并落地领域内前沿论文，保持技术方案的领先性。
职位要求
- 计算机、信号处理、数学等相关专业硕士/博士学位，3 年以上相关工作经验；
- 在语音识别、音乐理解、音频分类、声学事件检测或多模态理解领域有深入研究，具备大规模数据训练经验；
- 熟练掌握 PyTorch/DeepSpeed/Megatron等框架，有高性能推理优化经验者优先；
- 发表过领域顶级会议文章（NeurIPS、ICML、ICLR、ACL、ICASSP、Interspeech等）、相关实习经验或者ACM竞赛获奖者优先。
