返回岗位列表

语音（多模态）算法研究员实习

查看原岗位

地点：北京薪资：400-500元/天日期：2026-05-22

岗位摘要

探索研究融合语音/视觉/文本的多模态理解生成统一模型；研究深度学习、强化学习、AIGC、人工智能等前沿技术；探索研究大规模语音基础模型，从预训练到推理与规划；从数据合成、能力评测、算法研发等角度提升多模态大模型基础能力

岗位职责

探索研究融合语音/视觉/文本的多模态理解生成统一模型
研究深度学习、强化学习、AIGC、人工智能等前沿技术
探索研究大规模语音基础模型，从预训练到推理与规划
从数据合成、能力评测、算法研发等角度提升多模态大模型基础能力
探索语音交互、音频理解与生成、Function Call、Reasoning、Omni、Voice Agent等大模型进阶能力

任职要求

硕士及以上学历在读，人工智能、计算机、自动化、数学相关专业优先
可长期实习半年或以上
扎实的数据结构和算法设计基础，熟悉PyTorch等深度学习框架
良好的英文读写能力和扎实的数学基础
责任心强，积极主动，有良好的沟通能力和团队合作能力
在NeurIPS/ICLR/ICML/CVPR/ECCV/ICCV/Interspeech/ICASSP等顶级会议发表论文者优先
在多模态、计算机视觉或机器学习领域比赛中获得优异成绩者优先
ACM/ICPC、NOI/IOI、TopCoder、Kaggle等比赛获奖者，或熟练掌握C/C++、Python编程语言者优先

加分项

在NeurIPS/ICLR/ICML/CVPR/ECCV/ICCV/Interspeech/ICASSP等顶级会议上发表论文
在多模态、计算机视觉或机器学习领域的比赛中获得过优异成绩者
具有优秀的代码能力，熟练掌握C/C++或Python编程语言，ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者

福利待遇

日薪400-500元，薪酬优厚
参与大模型前沿研究，发表顶级论文机会
探索语音与多模态融合的前沿技术
接触业界领先的AIGC与人工智能技术

工作地址

北京海淀区大恒科技大厦12F