【岗位职责】 1、探索语音、视觉与多模态大模型深度融合的新架构与新方法，跟踪并应用的业界最新研究成果； 2、参与高效微调SFT、对齐RLHF等环节，优化模型在语音识别、图文理解、内容生成等任务上的性能。 【任职要求】 1、本科以上学历，计算机、人工智能、电子工程、数学或相关专业； 2、熟练使用PyTorch，能够独立完成模型搭建、后训练和调试； 3、深入理解Transformer架构及其在语音，CV和NLP领域的经典应用如Whisper，ViT, LLaMA等，熟悉多模态任务的基础理论和算法； 4、熟悉大模型的训练、微调（Fine-tuning, SFT）、强化学习（RLHF）等后训练（Post-Training）流程。了解模型轻量化技术，如量化、剪枝、蒸馏等。 5、对ASR/VIT/Flow Matching等语音/图像/视频生成技术有项目经验是加分项。 ***优先27届能长期实习同学，或26届晚于6月毕业同学