通用音频理解大模型研究员

岗位职责

专注于AudioLLM通用音频理解模型的研究与开发，参与构建下一代音频基础模型和Omni多模态框架，探索语音、音乐、环境声音等多模态音频内容的统一理解建模方法，推动 audio AI 在理解、生成和交互场景中的技术突破。

核心职责

1. 模型架构与训练：负责通用音频理解模型设计与分布式训练优化，实现语音识别、说话人日志、情感分析、音频问答、音乐理解、声音事件检测等多任务统一建模；
2. 数据管线：设计并落地大规模多模态音频数据 pipeline，完成数据对齐、质量控制与自动标注；
3. 跨模态融合：研究音频编码器与大语言模型融合技术，优化跨模态注意力与统一特征表示。

任职要求

1. 计算机科学、人工智能、电子工程等相关博士学历；
2. 具备大模型（LLM 或多模态）训练经验，熟悉 Transformer 架构与大规模分布式训练框架（Megatron-LM, DeepSpeed，TorchTitan 等）；
3. 深入掌握以下至少一方向：

• 通用音频自监督表征，如 Best-RQ, CLAP, wav2vec bert2.0 等
• 音频多模型架构、预训练、后训练以及RL
• 语音识别/说话人日志/情感识别/音乐信息/检索算法

1. 精通 Pytorch，具备海量数据处理经验；
2. 具备跨时区协作与良好沟通能力，结果导向，责任心强。