资深多模态大模型算法工程师（音频方向）

岗位详情

工作职责

工作内容： 聚焦音频基础大模型，语音音频生成、理解，多模态交互核心算法研发，依托大预言模型底座，负责语音大模型的预训练、微调、对齐、蒸馏优化工作，持续优化音视频生成模型。

工作职责

1. 负责端到端音频大模型的预训练、SFT监督微调、RL对齐全流程研发，优化语音音频生成、理解，指令遵循等核心能力。
2. 音频大模型基建迭代，负责ASR、TTS、语音降噪、说话人日志、语音情感分析等传统语音算法与大模型的融合升级。
3. 数据构建与迭代：负责语音音频类专属数据集的采集、清洗、筛选、标准、质检，构建音频预训练语料、偏好对齐数据集、场景专项微调数据集，持续迭代数据体系提升模型泛化能力。
4. 技术调研与创新:跟进国内外音视频大模型、全模态理解大模型等前沿技术，实现新技术、新方案，推动团队算法体系升级。

工作要求

岗位要求:

1. 熟悉pytorch/megatron/deepspeed/verl 等大模型训练框架，掌握大模型训练、微调、推理的完整工程流程。
2. 熟悉大模型基础范式，掌握pertaining，sft, on-policy learning, reinforcement learning等训练范式，熟悉Diffusion, Flow Matching, GAN等生成模型的原理。
3. 有较强的coding及vibe coding能力，面对各项变化中的任务能快速交付。
4. 具备良好的逻辑思维、问题拆解能力，能独立攻克算法难点，具备团队协作和沟通能力。
5. 很强的求知欲和好奇心，持续学习的能力和动力。

加分项：

1. 在语音/大模型领域发表过有影响力的代表作。
2. 有顶会成果：在NeurIPS、ICLR、ICML、ICASSP、INTERSPEECH、ACL等会议一第一作者身份发表语音/大模型相关论文。
3. 有影响力的开源项目。