岗位职责
- 参与音频大模型的全流程研发，包括跨模态对齐、多模态理解及生成，涵盖文本和语音等训练数据的清洗和制作、基础模型算法选型与优化，聚焦预训练、监督微调及强化学习等关键环节的技术迭代；
- 负责语音对话大模型的端到端效果优化，提高在远场、低信噪比、多人、音乐等场景下的理解及生成效果，改善模型在方言、副语言信息等方面的理解能力，加强情感对话能力；
- 探索多模态模型的理解和生成范式，跟进业界新的多模态大模型结构，从模型效果优化及降低全链路处理延时等多个方面开展前沿性研究及落地工作。
职位要求
- 全日制本科及以上学历，计算机科学与技术、机器学习、人工智能、数学、统计学等相关专业背景，硕士及以上学历优先；
- 具备大规模多模态数据清洗处理的经验，熟悉NLP领域经典模型和技术，熟悉文本数据分类及清洗、语音信号前处理、语音识别、语音合成等全流程模块者优先；
- 深度学习算法功底扎实，拥有丰富的大模型研发经验，熟练使用如Deepspeed和Meatron-LM等训练框架，具有丰富的多机多卡训练经验；
- 有参与开发Diffusion Models（扩散模型）、Autoregressive Models（自回归模型）相关研究或项目经验；
- 在多模态领域有丰富的研究和工程落地经验，或发表过相关方向顶级学术论文者优先；
- 熟悉主流深度学习框架的网络结构与算子底层实现细节，具备模型训练 / 推理调优、CPU/GPU 加速、分布式训练与推理部署的实操经验者优先；
- 具备较强的自主学习能力与技术钻研精神，良好的跨团队沟通协作能力。
