返回岗位列表

语音多模态大模型算法研究员

查看原岗位

地点：北京薪资：50-80K 日期：2026-03-03

岗位摘要

主导或深度参与语音多模态大模型的架构设计、训练、调优及迭代工作，提升模型整体性能；研究方向包括但不限于音频表征、音视频理解、语音生成、全双工语音对话、语音强化学习；跟踪学术界与工业界的前沿技术动态，能够复现最新成果，推进技术迭代与创新突破

岗位职责

主导或深度参与语音多模态大模型的架构设计、训练、调优及迭代工作，提升模型整体性能
研究方向包括但不限于音频表征、音视频理解、语音生成、全双工语音对话、语音强化学习
跟踪学术界与工业界的前沿技术动态，能够复现最新成果，推进技术迭代与创新突破
系统性设计并执行实验方案，深入分析模型表现，定位核心问题并提出有效的优化与解决方案
参与团队合作，与团队一起解决技术难题，推动技术进展

任职要求

985/211高校研究生及以上学历或优秀本科生，计算机、人工智能、软件、数学等相关专业
精通常用算法和数据结构，熟悉Python等编程语言，熟悉Linux平台
熟悉机器学习、深度学习，具备扎实的算法基础，熟练使用Pytorch/Megatron深度学习框架
在语音多模态大模型某一领域（端到端语音、语音识别与理解、语音合成、Voice Agent）有过深入的研究经历
具备卓越的实验分析与问题解决能力，有创新思维与较强的学习能力
能够良好沟通、与团队成员高效协作
声学相关专业背景优先
有国际期刊/会议论文发表优先
有语音识别工作经验优先
有人机对话相关经验优先

加分项

有顶级学术会议（ICASSP、Interspeech、ACL、ICML、NIPS、CVPR等）发表过有影响力研究成果的优先
在 ACM/ICPC、NOI/IOI、Kaggle 等编程/AI 比赛获奖者优先
主导、参与过 AI 相关的有大影响力的开源/闭源项目的优先
张女士刚刚活跃

福利待遇

薪资50-80K·16薪

工作地址

北京海淀区大恒科技大厦12F