小米语音多模态算法工程师实习生

1. 研究语音多模态大模型前沿技术 2. 负责语音多模态模型算法方案研发、迭代与落地应用

1.参与多模态大模型(VLM/VLA)的研发与优化，探索图像、文本、语音等跨模态信息的融合方法，以及在自动驾驶领域的应用； 2.研究并实现前沿的视觉技术（如Diffusion Model、GAN、VAE等），推动技术落地； 3.配合团队完成算法设计、训练、调优及部署，提升模型性能与工程化能力； 4.跟踪领域前沿研究，撰写技术文档和实验报告，参与论文发表或专利申请。

1.岗位的主要工作内容为跟踪领域前沿研究，将研究成果投稿到机器学习/计算机视觉顶会顶刊。 2.参与多模态大模型（VLM/VLA）的研发与优化，探索图像、文本、语音等跨模态信息的融合方法，以及在自动驾驶领域的应用。 3.研究并实现前沿的技术（如WorldModel,DiffusionModel等），推动项目落地。

如果你，期望参与淘天集团语音多模态大模型技术研发，推动数字人AI智能对话、语音自然交互等技术在淘宝Vision和手机淘宝等亿级用户场景的产品化落地； 如果你，期望突破语音模态与语言模型的融合边界，构建新一代Speech-to-Speech多模态基座模型，持续跟踪大模型领域国际前沿技术，通过产学研合作打造行业领先的对话交互系统； 如果你，期待与顶尖算法团队并肩作战，在开放创新的技术氛围中与自驱力强、专业过硬、追求极致的技术伙伴共同开拓多模态交互新范式； 那还在等待什么，赶紧加入我们吧！