内推码：J4VQ9

岗位链接：链接

岗位名称：AudioLLM 研究员

投递的时候，请填写内推码，方便我跟进后续流程；实习岗位一般至少5个工作日才有进度更新，请耐心等候；

也欢迎同学们内部相互推荐，实习相对比较容易拿到米哈游的offer

工作职责

专注于AudioLLM通用音频理解模型的研究与开发，参与构建下一代音频基础模型和Omni多模态框架，探索语音、音乐、环境声音等多模态音频内容的统一理解建模方法，推动 audio AI 在理解、生成和交互场景中的技术突破。

核心职责：

1. 模型架构与训练：负责通用音频理解模型设计与分布式训练优化，实现语音识别、情感分析、音频问答、音乐理解、声音事件检测等多任务统一建模
2. 数据管线：设计并落地大规模多模态音频数据 pipeline，完成数据对齐、质量控制与自动标注
3. 跨模态融合：研究音频编码器与大语言模型融合技术，优化跨模态注意力与统一特征表示

任职要求

1. 计算机科学、人工智能、电子工程等相关博士学历

2. 具备大模型（LLM 或多模态）训练经验，熟悉 Transformer 架构与大规模分布式训练

3. 深入掌握以下至少一方向

   • 通用音频自监督表征，如 Best-RQ, CLAP, wav2vec bert2.0 等

   • Omni模型架构和多模态RL

   • 语音识别/情感识别/音乐信息检索算法

4. 精通 Pytorch，具备海量数据处理经验

5. 具备跨时区协作与良好沟通能力，结果导向，责任心强

加分项

1. 在 NeurIPS/ICML/ICASSP/ISMIR 等顶级会议发表论文
2. 负责过百万小时级多类型音频数据管理
3. 拥有音频文本跨模态对齐、指令微调或多任务学习实践
4. 在音频 AI 或音乐 AI 领域有开源贡献或技术影响力