课题详情： 背景：大规模语言模型的训练成本极高，工业界与学术界普遍存在针对不同任务/场景独立微调的范式：情感语音、多语言ASR、对话风格、指令跟随等能力往往分散在多个独立checkpoint中。如何将这些能力无损融合到单一模型，是多模态交互大模型落地的关键瓶颈。 核心挑战： 在无训练或者依赖轻量训练的模型参数合并要实现模型合并能力不drop甚至实现1+1>2的模型合并结果目前仍然具有很大挑战。 具体工作： 评测现有的Model Merging算法在Speech LM场景下的表现。 针对多模态交互，提出一种模型参数合并策略实现多个ckpt高效合并。产出一个可插拔的Model Merge工具箱，验证在无训练或者轻量训练的设定下实现模型参数merge. 课题要求： 学历与专业： 来自计算机科学、人工智能、电子信息、信号处理等相关专业的博士/硕士同学，具备扎实的机器学习理论基础，有多模态方向研究经验者优先。 技能要求：精通 PyTorch 框架与 Python 编程；深度掌握 Transformer 架构及主流 MLLM（如 LLaVA, Qwen-Audio, Qwen-Omni） 原理；熟悉 PPO、GRPO 等强化学习算法及 DeepSpeed/Megatron 分布式训练工具；有 CoT 推理或 RLHF 实战经验者尤佳。 软性素质： 具备较强的问题分解与独立研究能力；能在模糊问题定义上给出清晰的拆解思路和方法。