智能互联通义实验室-AI交互系统高级架构师-北京/杭州

1. 主导面向ToB行业（如AI手机厂商等）的多模态交互系统整体架构设计，制定可扩展、高性能、低延迟的技术方案。 2. 深度参与客户需求分析，抽象行业共性问题，构建标准化、模块化的交互算法平台，支持多客户、多终端快速适配。 3. 负责核心交互链路的设计与优化，包括但不限于：端云协同语音识别与合成、多轮对话管理、视觉-语言跨模态理解、情境感知建模、用户意图预测与个性化响应。 4. 推动算法在资源受限设备（如手机SoC）上的高效部署，兼顾精度、功耗与实时性。 5. 牵头关键技术攻关，评估并引入大模型（LLM）、多模态基础模型（Multimodal Foundation Models）等前沿技术在交互场景中的应用路径。 6. 协同产品、硬件、OS、云服务及客户工程团队，确保技术方案从概念到量产的高质量交付。 7. 输出面向客户的架构白皮书、技术提案及标杆案例，支撑售前技术交流与生态合作。

1. 负责面向AI手机等ToB场景的多模态交互模型研发，包括语音基础模型、视觉-语言模型（VLM）、全模态大模型的后训练（CPT/SFT/RL）与推理优化。 2. 研发基于神经网络、扩散模型或大模型的端侧音频信号处理算法（如语音增强、降噪、去混响），提升复杂声学环境下的语音交互质量。 3. 构建支持自然打断、精准判停、上下文感知的实时双工交互模型，实现低延迟、高鲁棒性的流式对话体验。 4. 针对端侧资源约束，开展模型压缩、量化、蒸馏及高效部署，确保算法在DSP/NPU等嵌入式平台稳定运行。 5. 与系统、产品团队紧密协作，推动算法从原型验证到大规模商用落地。

1. 负责面向AI手机、智能座舱等ToB场景的对话系统整体算法能力建设，包括但不限于： ①AI Memory与用户个性化建模：构建长期用户画像、兴趣演化与上下文记忆机制； ②语义检索与向量数据库算法：设计高效、低延迟的语义匹配、嵌入表示与向量索引方案； ③LLM对话中控算法：实现多意图识别、任务路由、安全对齐、幻觉抑制与对话状态管理； ④情景感知算法：融合设备状态、环境上下文、用户行为等多源信号，实现动态对话策略； ⑤个性化推荐与数据挖掘算法：基于对话日志与用户行为，挖掘潜在需求并驱动主动服务。 2. 主导算法从原型验证到端侧/边缘/云协同部署的全链路落地，兼顾性能、隐私与合规。 3. 与产品、系统架构、嵌入式及数据团队紧密协作，推动算法能力产品化与客户交付。 4. 持续跟踪大模型、记忆增强对话、检索增强生成（RAG）、联邦学习等前沿技术，并评估其在产业场景中的应用价值。

1. 构建端到端的数据与MLOps基础设施，支撑语音、图像、文本、传感器等多模态数据的大规模处理及模型的后训练、评估与部署。 2. 设计自动化数据管线，实现多模态数据的收集、清洗、标注、版本管理、质量监控及隐私合规处理。 3. 主导MLOps核心能力建设，包括实验跟踪、特征管理、训练调度、A/B测试、模型版本控制、灰度发布与在线监控。 4. 搭建覆盖模型能力（如ASR准确率、NLU F1、LLM任务完成率）、系统性能（延迟、资源占用）和用户体验（上下文连贯性、任务成功率）的自动化评测体系。 5. 推动AI驱动的测试创新，探索基于大模型的测试用例自动生成、用户行为模拟、对抗测试等前沿方法。