小米omni大模型算法专家
任职要求
* 计算机、数学、信息、电子工程等相关专业硕士及以上学历； * 扎实的算法基础，熟悉大模型训练、微调及推理优化，有多模态项目经验者优先； * 较强的代码能力，熟练掌握PyTorch/TensorFlow等框架； * 强烈的责任心和自驱力，能独立解决问题并推动项目落地； * 优秀的沟通能力，具备技术方案输出和跨团队协作经验； * 有复杂业务场景的算法落地经验者优先。
工作职责
* 负责语音及视觉多模态端到端omni大模型算法的研发和调优，探索和打造小爱同学新一代交互架构，提升小米汽车、手机、眼镜及音箱电视设备的用户体验； * 深入理解业务需求，提出解决方案并推动技术实现； * 跟踪前沿技术进展，结合业务场景进行技术迭代与优化。
通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 Coder团队致力于构建能够执行、扩展并自我进化的自主系统，通过构建超智能的coding agent/digital agent，扩展数字世界，为迈向真实世界的智能奠定基础。 工作职责： 1. 负责通用模型 Qwen 的代码能力和代码专有模型 Qwen-Coder 的构建。 （1）包括但不限于数据收集、预训练、后训练（强化学习）、评测等方向上的探索。 （2）通过Large-scale Pre-training 和 Large-scaleRL来提升Code Reasoning能力，在专家级编程竞赛超越人类，并构建 Coding Agent 来解决真实世界软件开发任务； 2. 负责Computer-Use Agent (GUI-Agent）的建设，以最直观的方式—鼠标、键盘、编码等操作来代替人类执行数字世界任务。 （1）通过Scaling海量数字世界数据结合大规模合成数据，来提升Computer-Use Agent的Grouding能力。 （2）通过Long Horizon的方式进行强化训练，结合可扩展的多模态环境反馈来提升CU Agent的Reasoning的能力。
你将做什么： 1. 从事情语音大模型方向的前沿技术探索，包括但不限于语音交互大模型、omni 大模型、ASR、TTS、音频理解、音乐合成、音频多模态等方向。 2. 调研前沿工作，跟踪业界相关进展。 3. 算法研发和模型训练，包括但不限于代码编写、数据处理。
1、探索新一代大语言模型基座架构，完成扩散模型（diffusion model）在大语言模型的重塑，突破逐个token预测的方式，实现高效的推理模式，探索全新scaling law； 2、实现大模型训练的数据清洗、合成和评估；设计和实现大模型训练的AI Infra框架。
1、探索新一代大语言模型基座架构，完成扩散模型（diffusion model）在大语言模型的重塑，突破逐个token预测的方式，实现高效的推理模式，探索全新scaling law； 2、实现大模型训练的数据清洗、合成和评估；设计和实现大模型训练的AI Infra框架。