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…
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
包含GPU、网络、大模型框架等细分方向。 1、针对业务需求，解决算力瓶颈、通信延迟、分布式系统扩展性等问题； 2、协同算法、硬件及运维团队，构建高效、稳定的计算基础设施。 1）GPU方向：研究GPU集群的调度策略，优化资源利用率。探索混合精度计算、模型量化等GPU加速技术； 2）网络方向：设计低延迟、高吞吐的分布式网络架构（如InfiniBand/RoCE/DPU）。优化MPI、NCCL等通信库性能，解决大规模集群中的网络拥塞问题； 3）大模型工程框架方向：开发或优化大模型训练框架（如PyTorch/TensorFlow/DeepSpeed/Megatron-LM），设计分布式训练策略（模型并行、流水线并行、混合并行），提升千亿级参数模型的训练效率。研究训练加速技术（梯度压缩、显存优化、动态计算图调度）。
负责实现和优化公司的产品功能，以及构建和维护关键服务与基础设施。 1、深入理解业务需求和产品设计，高效地实现并优化产品功能； 2、持续优化架构，提升关键服务和基础设施的稳定性与可用性； 3、通过引入新的工具和流程，提升团队的开发效率和代码质量； 4、通过与产品和前端工程师的紧密合作，共同推进产品的迭代与优化； 5、对线上问题进行快速定位并解决，对服务性能进行监控与优化； 6、参与新技术的研究和探索，为团队的技术进步和产品创新提供支持。
1、负责参与公司产品的视觉内容，包括UI、多媒体、品牌等设计，具备一定的跨平台及多终端设计能力； 2、负责产品前期的概念创意，整体视觉风格的制定，推动产品实现及进行阶段性的品牌推广； 3、负责制定设计标准及规范，保障产品体验及设计的一致性； 4、有较好的用户体验思维，熟练掌握如AIGC等多形态的创意工具，具备较强的能力扩展性。
1、从研究需求出发，与业务方沟通并明确研究目的，完成项目的研究设计； 2、负责跟踪并研究行业动态及用户行为趋势，通过定量和定性研究方法，深入挖掘用户需求，为产品迭代和创新提供数据支持和策略建议； 3、负责研究项目的执行与推进，跟进研究成果在业务方的应用。