1. 多模态数据采集与构建：参与大规模多模态数据（图-文-音数据对、具身交互数据）的采集、清洗、标注与质量评估流程建设，构建面向人形机器人语音交互场景的高质量训练数据集。 2. 模型后训练（Post-Training）：参与多模态大模型的 SFT（监督微调）、RLHF/DPO（偏好对齐）、LoRA/QLoRA 等后训练全流程，针对情感对话、任务规划、工具调用等场景进行模型能力提升。 3. Benchmark 构建与评测体系：设计并构建面向人机交互的多模态评测基准，涵盖指令遵循、情感识别、多轮对话、视觉理解等维度；搭建自动化评测流水线（含 LLM-as-Judge、人工评测双通道）。 4. 前沿技术调研与复现：跟踪多模态大模型（GPT-live、Gemini、Qwen-omni 等）最新进展，完成关键论文的复现与内部技术报告撰写。 5. 模型部署与迭代：配合工程团队完成模型量化、蒸馏、推理加速，完成模型的上线部署。 1. 硕士及以上学历，计算机科学、人工智能、电子信息、自动化等相关专业。 2. 熟悉 Transformer 架构，理解 Self-Attention、MoE、RoPE、KV Cache 等核心技术原理，熟悉各类多模态模型、理解视觉编码器、音频编解码，及其与语言模型的对齐方法。能独立阅读并复现前沿论文。 3. 熟练使用 PyTorch / HuggingFace Transformers，有 LLM 微调实操经验（SFT/RLHF/DPO/LoRA 至少一项）。 4. 代码能力扎实，熟悉 DeepSpeed / Megatron-LM 等分布式训练框架者优先，有多模态数据构建或评测基准搭建经验者优先。 5. 在 ACL/EMNLP/CVPR/NeurIPS/ICLR 等顶会有论文发表者优先。