Token Foundry-语音多模态大模型算法工程师-Qwen Audio

Company 通义实验室

Focus 技术 · 算法

北京, 杭州

July 29, 2026

岗位职责

语音多模态大模型算法创新：面向下一代语音多模态通用大模型，探索并定义统一的技术范式，开展文本、语音等多模态的联合建模与协同推理研究，系统性解决多模态对齐、跨模态推理、Agentic 能力等核心挑战，持续推动模型能力与泛化上限。
场景驱动的算法创新：紧密结合真实业务场景（如智能交互、内容生成、跨模态检索等），设计并优化多模态大模型架构与训练策略，在保证效果领先的同时，持续提升模型效率、稳定性与鲁棒性，推动技术在复杂场景中的规模化落地。
前沿应用技术探索：跟踪并深度参与 LLM、多模态模型、Diffusion Models、强化学习等方向的前沿研究，快速完成技术验证与实验迭代，探索新建模范式与训练范式，持续刷新相关任务的 SOTA。"

硕士及以上学历，计算机、人工智能等相关专业，3年以上语音大模型/多模态/跨模态相关的算法经验。
深入掌握深度学习、强化学习、表示学习等建模方法，在多模态建模和跨模态对齐等方面有深入研究。
在国际顶级计算机会议/期刊（如NeurIPS、ICLR、ICML、CVPR、ECCV、InterSpeech、ACL等）以一作身份发表过多篇论文；或在开源社区、竞赛中展示出引领性的研究成果。
良好的工程与实验思维：熟悉PyTorch/TensorFlow等主流框架，具备大规模语言/视觉模型调优经验，能高效实现定制化训练流程；重视代码质量与实验结果，追求“不仅work，而且高效优雅”。
技术热情与好奇心：有志于将AI从实验室推向真实业务场景，构建“可解释、可控制、可落地”的行业智能系统，善于从复杂的行业需求中提炼出核心AI建模问题，并设计创新性的解决方案。
善于跨团队协作：能与产品、基础研究团队高效沟通，平衡技术理想与落地实现。

NEW

岗位职责

语音多模态大模型算法创新：面向下一代语音多模态通用大模型，探索并定义统一的技术范式，开展文本、语音等多模态的联合建模与协同推理研究，系统性解决多模态对齐、跨模态推理、Agentic 能力等核心挑战，持续推动模型能力与泛化上限。

场景驱动的算法创新：紧密结合真实业务场景（如智能交互、内容生成、跨模态检索等），设计并优化多模态大模型架构与训练策略，在保证效果领先的同时，持续提升模型效率、稳定性与鲁棒性，推动技术在复杂场景中的规模化落地。

前沿应用技术探索：跟踪并深度参与 LLM、多模态模型、Diffusion Models、强化学习等方向的前沿研究，快速完成技术验证与实验迭代，探索新建模范式与训练范式，持续刷新相关任务的 SOTA。"

任职要求

硕士及以上学历，计算机、人工智能等相关专业，3年以上语音大模型/多模态/跨模态相关的算法经验。

深入掌握深度学习、强化学习、表示学习等建模方法，在多模态建模和跨模态对齐等方面有深入研究。

在国际顶级计算机会议/期刊（如NeurIPS、ICLR、ICML、CVPR、ECCV、InterSpeech、ACL等）以一作身份发表过多篇论文；或在开源社区、竞赛中展示出引领性的研究成果。

良好的工程与实验思维：熟悉PyTorch/TensorFlow等主流框架，具备大规模语言/视觉模型调优经验，能高效实现定制化训练流程；重视代码质量与实验结果，追求“不仅work，而且高效优雅”。

技术热情与好奇心：有志于将AI从实验室推向真实业务场景，构建“可解释、可控制、可落地”的行业智能系统，善于从复杂的行业需求中提炼出核心AI建模问题，并设计创新性的解决方案。

善于跨团队协作：能与产品、基础研究团队高效沟通，平衡技术理想与落地实现。