夸克智能信息-语音识别算法专家-杭州/北京
任职要求
1.计算机科学、电子工程、数学或相关领域的硕士及以上学位； 2.深入理解语音识别相关领域的基本概念，包括但不限于语音信号处理、自然语言处理、机器学习和深度学习等； 3.熟练掌握C++/C/Python/Shell等编程能力，并有实际的项目开发经验； 4.精通深度学习框架（如TensorFlow、PyTorch等）； 5.具有较强的学习能力，能够快速掌握和应用新技术； 6.具备良好的团队合作精神和沟通能力； 7.有在顶级会议或期刊发表论文者优先； 8.有语音大模型研发经验，熟悉QwenAudio、KimiAudio、FireRedASR等优先。
工作职责
1.负责声学前端、声学模型、语言模型、后处理、解码器等主要模块的迭代和改进； 2.负责优化双工交互系统，提高系统的鲁棒性和性能； 3.负责优化语音识别大模型、流式语音识别、音频理解大模型、语音端到端大模型等； 4.追踪业界前沿的语音技术，探索语音大模型在业务场景下的应用。
1. 负责语音识别和语音对话大模型的算法研发与优化，包括声学模型、LLM模型和解码器等，探索新的算法架构，建设高效率、低时延的语音应用系统； 2. 结合业务需求，持续改进现有模型的性能，确保其在不同应用场景下的准确性和鲁棒性，提升语音助手和语音智能体用户体验； 3. 构建和管理大规模语音识别和语音对话语料库，用于训练、验证和测试模型； 4. 跟踪前沿技术和研究动态，提出新颖的算法思路和解决方案。
1. 负责语音合成、语音识别、端到端语音交互大模型算法的基础研究和应用落地； 2. 参与语音合成与识别技术在业务场景落地，解决落地过程中的前沿问题，持续优化语音合成与识别核心技术效果； 3. 深入调研和关注音频/NLP/多模态/全模态等方向的前沿技术，持续探索语音技术的新能力和新应用。
1. 操控万卡规模的 GPU 集群，对超大参数量级的预训练模型进行高效分布式训练与优化。 2.深度参与多模态（图像、语音、文本、视频）大模型的研发，探索多学科交叉领域的新奇玩法。 3.我们的技术将为夸克亿万用户提供高品质的AI智能服务，见证前沿技术实现真正的用户价值 加入我们，你将获得： 1.与顶级专家携手，以世界级算力资源和数据支持为背书，不断挑战技术极限。 2.极具竞争力的薪酬与福利，人性化、追求卓越技术的的工程师团队文化，助你在职业成长道路上全速前进。 3.在通往 AGI 的征途上，亲历关键技术的诞生与应用，留下属于你的时代印记。 如果你渴望驰骋在大模型与 AGI 的蓝海之中，那么这将是你的最佳舞台！快来加入我们，一同开创智能时代的新纪元。
全面负责定义、设计并实现下一代对话系统的核心算法与交互范式，解决当前对话模型在多轮交互、知识应用、共情能力等方面的挑战，探索并引领模型在个性化、主动性、拟人化等前沿方向的技术突破。直接决定数亿夸克用户在Chat场景的与AI 的交互体验，塑造夸克在未来对话式 AI 时代的领先地位。 1. 对话体验定义与规划。深入分析用户意图与行为，结合业务场景，制定并执行对话体验的中长期技术演进路线图。并密切追踪并研究对话式 AI 领域的最新进展，包括主动式对话策略、多模态对话 (语音/视觉融合)、AI Agent 中的对话流控制等。您将主导定义“顶级对话体验”的标准，并将其分解为可落地、可量化的算法迭代目标。 2. 多轮对话与上下文理解。攻坚并解决长程、复杂多轮对话中的核心技术难题，包括但不限于指令遵循、上下文精准理解、长程记忆与遗忘机制、隐式意图识别等。您将设计创新的模型结构与训练策略，使模型具备真正连贯、有逻辑的对话能力。 3. 对话回复准确与全面。主导研发将外部知识 (如搜索、工具调用) 与大模型进行深度、动态融合的先进技术。致力于解决模型在对话中的意图偏离、事实性错误、内容不详实和知识更新不及时等问题，并通过 RAG 新范式或其他创新方法，显著提升对话的准确性与信息量。 4. 评测体系与数据飞轮。建立并完善一套科学、全面的对话能力评测体系，能够精准衡量模型的综合对话质量 (Coherence, Empathy, Informativeness 等)。设计并驱动高效的数据闭环系统，利用真实用户反馈持续、自动化地优化模型。