多模态算法实习生

岗位职责
1. 参与端侧全模态大模型研发，包括 Audio Encoder、Speech Tokenizer、LLM、Speech Decoder 等核心模块的技术调研、模型训练与优化。​
2. 研究语音、文本、视觉等多模态信息的对齐与融合技术，开展语音理解、语音生成及跨模态联合训练。​
3. 参与实时语音交互技术研发，包括流式语音生成、低延迟响应、语音打断及全双工交互等关键能力。​
4. 参与多模态数据构建、数据清洗、模型训练及效果评测，持续优化模型性能。​
5. 探索模型压缩、量化及推理加速技术，参与端侧模型部署与真机效果验证。

岗位要求
1. 计算机、人工智能、电子信息等相关专业在读硕士或博士研究生，具备扎实的机器学习、深度学习基础。
2. 熟练掌握 Python、PyTorch 等开发工具，具备模型训练、调试及实验分析能力。
3. 熟悉大语言模型或多模态大模型基本原理，在 Audio、TTS、VLM、Omni 等至少一个方向具有相关研究或项目经验。
4. 具备良好的论文阅读、技术调研及算法复现能力，能够独立开展实验并分析问题。
5. 具备良好的沟通协作能力，实习时间不少于3个月，每周到岗不少于4天，能够长期实习者优先。