算法工程师-语音多模态大模型

北京/杭州/上海 · 校招 · 2027 届 · 硕士

长期有效

前往官方投递页 →

任职要求

1. 硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业；
2. 具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强；
3. 熟悉语音识别、语音合成、口语语言处理、语音交互等核心技术，具备以下一项或多项经验：
语音端到端声学建模（如 Transformer、Whisper、Qwen-Omni、Baichuan-Omni）；
语音无监督预训练（如 Wav2Vec）；
大语言模型（LLM）相关研发，包括预训练、SFT、强化学习；
语音端到端大模型（Audio Encoder + LLM）的联合训练与优化；
4. 对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。
【加分项】
1. 在 NeurIPS、ICML、ICLR、CVPR、ACL、AAAI、Interspeech、ICASSP、ASRU 等顶级会议/期刊发表过论文（尤其一作）；
2. 在 ACM、Kaggle 或语音/多模态相关国际竞赛中获得优异成绩（如前三名）；
3. 具备跨领域研究经验（如 NLP + 语音、音频信号处理 + 深度学习）；
4. 成功复现或改进过 SOTA 语音算法，或有开源项目贡献。

岗位描述

1. 负责语音生成/语音识别/语音合成/声纹/语种/情感等方向的算法研究和开发；
2. 负责语音信号处理的相关算法研究和开发，包括语音增强、回声消除、混响消除、自动增益控制、波达方向估计、波束形成等；
3. 负责口语语言理解/用户意图理解/对话模型/语音交互等算法研究和开发；
4. 语音统一多模态大模型：研究下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模。
1. 硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业；
2. 具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强；
3. 熟悉语音识别、语音合成、口语语言处理、语音交互等核心技术，具备以下一项或多项经验：
- 语音端到端声学建模（如 Transformer、Whisper、Qwen-Omni、Baichuan-Omni）；
- 语音无监督预训练（如 Wav2Vec）；
- 大语言模型（LLM）相关研发，包括预训练、SFT、强化学习；
- 语音端到端大模型（Audio Encoder + LLM）的联合训练与优化；
4. 对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。

【加分项】

1. 在 NeurIPS、ICML、ICLR、CVPR、ACL、AAAI、Interspeech、ICASSP、ASRU 等顶级会议/期刊发表过论文（尤其一作）；
2. 在 ACM、Kaggle 或语音/多模态相关国际竞赛中获得优异成绩（如前三名）；
3. 具备跨领域研究经验（如 NLP + 语音、音频信号处理 + 深度学习）；
4. 成功复现或改进过 SOTA 语音算法，或有开源项目贡献。

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

登录后分析我的简历

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）

类型专业能力·难度困难

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

类型项目经历·难度中等

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

类型专业能力·难度简单

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

类型专业能力·难度中等

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

类型情景/案例·难度中等

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。

前往官方投递页 →