阿里巴巴研究型实习生-面向通用场景的智能交互语音翻译大模型技术
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。 （1）语音端到端声学建模（如 Transformer、Whisper、Qwen-Omni、Baichuan-Omni）； （2）语音无监督预训练（如 Wav2Vec）； （3）大语言模型（LLM）相关研发，包括预训练、SFT、强化学习； （4）语音端到端大模…
工作职责
1.负责端到端语音翻译方向的算法研究和开发。 2.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。 3.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.负责语音识别/语种识别/情感识别等方向的算法研究和开发； 2.负责音频理解/用户意图理解等算法研究和开发； 3.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.负责端到端语音翻译方向的算法研究和开发。 2.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。 3.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。
阿里云PAI深度学习团队正在布局**物理 AI 与具身智能**方向，寻找博士研究型实习生，聚焦具身智能体从实验室到开放世界泛化的核心瓶颈，围绕以下内容开展前沿研究： 1. **多源数据驱动的跨域泛化**：研究 VLA 与 WAM 两条路线下多源异构数据（遥操作轨迹、人类演示、仿真数据、无标注视频）的差异化利用策略、跨本体统一动作表示、以及数据多样性优化，提升智能体在分布外场景下的泛化能力。 2. **RL 后训练驱动的行为泛化**：研究基于世界模型的想象训练与大规模 RL 后训练方法，突破行为克隆的泛化边界，涵盖通用奖励设计、异构架构 RL 适配、以及部署端持续进化闭环。 3. **物理AI研发闭环全链路搭建**：参与物理AI研发基础设施建设，包括数据采集与管理流水线、VLM/VLA与WFM/WAM等基础模型的训练与评测平台、以及仿真-真机部署闭环工具链，为上述研究方向提供可复用的AI Infra支撑。 核心算法成果将沉淀至 ModelScope、HuggingFace 及 PAI 开源算法库，支持在 NeurIPS、ICML、ICLR、CoRL、RSS、CVPR、ICCV、ECCV等顶会发表论文。
下一代AI应用场景复杂多样，对推理加速提出迫切需求。我们将系统性探索从服务化优化提升资源效能，到前沿压缩算法设计，再到高性能算子优化等关键层面，致力于构建一套灵活、高效的推理加速体系，为下一代AI技术的广泛落地与创新突破注入强劲动力。在这里，你将拥有充分的探索空间和资源支持，和我们一起挑战具有业界影响力的高价值课题。 核心职责与挑战 我们希望你对技术充满好奇，并具备出色的动手能力。在导师的指导下，你将参与到以下一项或多项富有挑战的工作中： 1. 下一代生成模型推理技术探索: a. LLM/MLLM: 探索针对AR的生成特点，探索超高倍投机采样、模型压缩、efficient attention、蒸馏等技术。 b. Diffusion: 探索sparse attention、cache、采样步数消减等技术。 c. 软硬结合的优化技术：探索极低比特量化、稀疏计算等硬件依赖的前沿加速技术。 2. 极致性能的推理引擎工程实践: a. 深入分析与优化现有推理框架（如vLLM, TensorRT-LLM等）的性能瓶颈，进行从算子到系统层面的全栈优化。 b. 精通CUDA/CUTLASS/Triton等底层编程技术，针对新型Transformer架构变种，手写高性能算子，压榨硬件的每一分潜力。 c. 设计和实现高效的KV Cache管理与压缩方案，优化请求调度与批处理策略，最大化系统吞吐并降低延迟。