岗位描述（节选）
1、设计并研发输入输出任意模态（Any-to-Any）的统一架构，重点攻克 Audio-in-Audio-out 的原生建模；
2、研发高性能的神经音频编解码器（Neural Audio Codec），探索连续表征与离散 Token 的最优平衡；
3、利用海量多模态数据（语音、音乐、环境音、视频），负责超大规模参数模型的分布式预训练；
4、探索针对音频模态的指令微调与强化学习算法，优化模型在语音交互中的情感表达、打断机制、副语言（笑声、停顿）以及听感质量。
【任职要求】
1、计算机科学、人工智能、电子工程等相关博士学历；
2、具备大模型（LLM 或多模态）训练经验，深入理解 Transformer 架构及分布式训练框架（Megatron-LM, DeepSpeed，TorchTitan 等）；
3、深入掌握以下至少一方向：
• Audio/Text Interleaved Pretrai……
完整岗位描述与官方投递入口,请登录后在岗位详情页查看。