深圳陆兮科技有限公司

职位描述：

岗位职责：1.负责音频前端增强、语音识别（ASR）、声纹识别、说话人分离、唤醒词等语音核心技术的研发与优化。2.设计和构建端到端语音训练管道，包括数据采集、清洗、标注、模型训练、评测。3.针对具体业务场景/行业（如智能眼镜、智能座舱、机器人、IoT设备等），进行端侧语音模型的适配与业务落地。4.研究并应用前沿的语音大模型技术，探索语音与大语言模型（LLM）的融合应用。5.跟踪语音领域前沿技术动态，持续提升系统性能与用户体验。任职要求：1.计算机科学、软件、人工智能、电子工程、数学、信号处理等相关理工科专业，本科以上学历。2.扎实的机器学习/深度学习基础，熟悉RNN、Transformer、Conformer等主流语音模型架构。3.熟练掌握Python或者C++，熟悉至少一种语音处理工具包（如WeNet、Kaldi等）。4.能够围绕专业术语、方言、噪声、远场或中英混说等具体问题开展数据构建和模型优化。5.熟悉端到端ASR，理解自回归与非自回归模型的特点及适用场景，了解CTC、Attention、Transducer、Paraformer等常见建模与解码方式。6.熟悉离线与流式语音识别、热词增强等关键技术的实现机制与适用边界，能够结合实时听录、行业术语识别等业务场景进行方案设计与落地。7.熟悉ASR常用评测指标和测试方法。8.具备自驱力、工程能力、沟通能力和团队协作精神。

职位描述：

岗位职责：1.负责图像、语音、文本等多模态大模型的研究、构建、训练和调优工作。2.将前沿的多模态算法和模型应用到实际产品中，解决模型压缩、加速推理、分布式训练等工程问题，确保算法的高效和稳定。3.参与构建和清洗大规模、高质量的多模态训练数据集，设计有效的数据标注和质量控制方案。4.跟踪国际前沿的多模态与AIGC技术动态，进行技术验证，并将有潜力的技术应用于业务场景，推动技术突破。任职要求：1.计算机科学、软件、人工智能、电子工程、数学等相关理工科专业，本科以上学历。2.扎实的机器学习/深度学习基础，熟悉CNN,RNN,Transformer等主流模型架构。3.熟练掌握Python和Pytorch。4.深入理解至少一个多模态任务（如视觉问答VQA、图文检索、视觉语言导航、多模态推理等）。5.具有大语言模型（LLM）或多模态大模型的实践经历，了解其预训练、微调以及强化学习的基本流程。6.具备自驱力、工程能力、沟通能力和团队协作精神。

职位描述：

岗位职责：1.核心模型研发：参与多模态大模型、世界模型（WorldModels）及Vision-Language-Action(VLA)模型的研发与优化。负责跨模态信号（如文本、图像、长视频、3D点云、机器人本体感觉/动作序列）的联合表征、对齐微调（SFT/DPO/RLHF等）。2.构建数据与训练闭环：协助搭建端到端的数据流与训练pipeline，包括真实物理世界长时视频的数据挖掘、仿真环境（Simulation）多模态数据的合成与标注、具身轨迹数据处理，及模型的训练与迭代部署。3.前沿评测体系搭建：建设针对具身智能和世界模型的评测基准，除了基础的指令遵循与多模态对齐外，重点关注物理规律一致性（PhysicsGrounding）、空间/时序推理能力、动力学预测准确度及真实/仿真环境下的任务执行成功率。4.技术追踪与落地：紧跟Sora类视频生成架构、端到端具身控制、大语言模型驱动的Agent等前沿技术，支持底层科研创新及机器人物理实体（或自动驾驶等）的工程落地。任职要求：1.计算机、人工智能、自动化、机器人、数学等相关专业，本科及以上学历。2.具备扎实的Python编程功底，熟练掌握常用深度学习框架（PyTorch优先）。3.深入理解深度学习原理，对Transformer架构、DiffusionModels或StateSpaceModels(如Mamba)有较好的掌握。4.具备良好的数学底子，熟悉线性代数、概率统计、优化方法。5.对具身智能（EmbodiedAI）、**世界模型（WorldModels）**或时空多模态方向有强烈的好奇心与技术热情，学习能力极强，能快速复现前沿Paper并深入研究。6.具备优秀的团队协作精神和跨领域（如算法与硬件/机器人控制团队）的沟通表达能力。