腾讯
校招腾讯会议端云协同语音大模型研究
深圳总部 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 1、在语音识别、语音增强、说话人识别、多模态学习、大模型、端侧推理、模型压缩或端云协同等方向有较强研究基础，有相关论文发表者优先；
- 2、熟悉 PyTorch 等深度学习框架，具备较强的算法实现与实验能力；有音频、语音、大模型训练优化或端侧部署经验者优先；
- 3、对会议语音理解和智能会议场景有浓厚兴趣，具备较强的问题分析能力、创新意识和团队协作能力，能够推动科研成果向实际业务落地转化。
岗位描述
【岗位职责】
课题背景：
随着会议字幕、纪要、问答等能力不断升级，会议语音理解正从单点识别走向端云协同的综合智能。会议场景具有多说话人、远场、长时连续输入等特点，单纯依赖云端或端侧都存在局限，因此需要研究端侧感知、预处理、轻量理解与云端深度推理协同的大模型方案。
课题挑战：
会议场景中存在连续长音频、多说话人、交叉发言、多语种、多方言及复杂噪声环境，端侧还受到算力、功耗、时延限制。如何合理划分端云职责，在端侧完成低时延感知、信息压缩与关键特征提取，并与云端深层语义理解、多模态融合高效协同，是本课题核心挑战。
具体工作：
围绕腾讯会议实时字幕、流式纪要、离线总结、录音文件和多语种内容理解等业务，研究端云协同的会议语音理解方案。重点开展端侧低时延前处理、轻量化表征编码、说话人及场景信息建模、关键信息上云策略，以及端云联合优化机制，持续提升整体理解效果与用户体验。
【任职要求】
- 1、在语音识别、语音增强、说话人识别、多模态学习、大模型、端侧推理、模型压缩或端云协同等方向有较强研究基础，有相关论文发表者优先；
- 2、熟悉 PyTorch 等深度学习框架，具备较强的算法实现与实验能力；有音频、语音、大模型训练优化或端侧部署经验者优先；
- 3、对会议语音理解和智能会议场景有浓厚兴趣，具备较强的问题分析能力、创新意识和团队协作能力，能够推动科研成果向实际业务落地转化。
【技术方向】
多模态、视觉、语音
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。