米哈游【日常实习】AudioLLM 研究员

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，熟悉 Transformer 架构与大规模分布式训练
3. 深入掌握以下至少一方向
• 通用音频自监督表征，如 Best-RQ, CLAP, wav2vec bert2.0 等
• Omni模型架构和多模态RL
• 语音识别/情感识别/音乐信息检索算法
4. 精通 Pytorch，具备海量数据处理经验
5. 具备跨时区协作与良好沟通能力，结果导向，责任心强

加分项
1. 在 NeurIPS/ICML/ICASSP/ISMIR 等顶级会议发表论文
2. 负责过百万小时级多类型音频数据管理
3. 拥有音频文本跨模态对齐、指令微调或多任务学习实践
4. 在音频 AI 或音乐 AI 领域有开源贡献或技术影响力

工作职责

专注于AudioLLM通用音频理解模型的研究与开发，参与构建下一代音频基础模型和Omni多模态框架，探索语音、音乐、环境声音等多模态音频内容的统一理解建模方法，推动 audio AI 在理解、生成和交互场景中的技术突破。
 
核心职责：
1. 模型架构与训练：负责通用音频理解模型设计与分布式训练优化，实现语音识别、情感分析、音频问答、音乐理解、声音事件检测等多任务统一建模
2. 数据管线：设计并落地大规模多模态音频数据 pipeline，完成数据对齐、质量控制与自动标注
3. 跨模态融合：研究音频编码器与大语言模型融合技术，优化跨模态注意力与统一特征表示