语音与全模态工程师-ASR/TTS/Omni当面告知
阿里巴巴（中国）有限公司
2027-02-07 21:44:54
27届28届实习本科硕士
岗位详情
地区：
北京市
·
杭州市
专业要求：
声学人工智能计算机科学与技术
岗位职责：
1. Speech & Omni 模型研发：进行支持语音、文本等多模态输入输出的端到端大模型训练与微调，优化模态间的对齐机制及交互延迟。
2. 多模态数据处理：构建高质量的语音-文本-图像混合指令数据集，探索利用合成数据提升模型在复杂场景下的理解与生成能力。
3. 前沿技术探索：跟进 Omni LLM 最新进展（如流式语音交互、情感控制、非语言声音理解），复现 SOTA 基线并协助验证新算法效果。
4. 评测与 Bad Case 分析：建设完善多模态综合评测体系，深入分析跨模态幻觉、指令遵循偏差等问题，输出改进策略。
招聘要求：
1. 人工智能、计算机、声学等相关专业在读硕士或优秀本科生。
2. 熟悉 Python 及 PyTorch 框架，扎实掌握 Transformer 架构，对 LLM 原理有基本理解。
3. 对 Omni LLM、多模态学习或语音技术（ASR/TTS）有浓厚兴趣，具备相关课程项目或自学经历者优先。
4. 具备良好的英文文献阅读能力及代码复现能力，逻辑清晰，善于沟通协作。
加分项：
1. 有 Speech LLM 后训练（GRPO, etc）或多模态模型实践经验。
2. 熟悉分布式训练框架（DeepSpeed/Megatron）或高效推理优化技术。
3. 在顶级会议（ICML, NeurIPS, ACL, ICASSP 等）有论文发表或高质量开源贡献。
公司介绍
阿里巴巴（中国）有限公司
阿里巴巴（中国）有限公司，成立于2007-03-26，位于浙江，法定代表人：蒋芳，登记状态：存续，注册资本15460.55039万美元，公司类型：民营/私企
公司信息:
公司名称:阿里巴巴（中国）有限公司
公司类型:互联网/电子商务
公司性质:5000以上
公司地点:
公司规模:--
涉及领域:--
公司网址: