千问事业部-语音多模态交互算法专家-杭州/北京/上海

优缺点分析

角色解读

• 在阿里巴巴大模型部门，可接触前沿技术，成长路径清晰，可向技术专家或技术管理方向发展
• 语音多模态方向为AI前沿领域，未来可向大模型专家、技术负责人等方向发展
• 积累大规模训练与工程化部署经验后，可向AI架构师或技术总监岗位发展
• 负责语音端到端、语音Agent、多模态交互、语音实时同传等前沿任务的基础研究与落地应用
• 研究语音生成与理解一体化模型架构、强化学习、统一语音表征等技术方向
• 跟踪并实现业内顶尖成果，结合业务场景完成算法的工程化部署
• 具备扎实的计算机、信号处理、数学基础，硕士/博士学位
• 在语音端到端、多模态对话、实时同传、多模态理解与生成等方向有深入研究和大规模数据训练经验
• 熟练掌握PyTorch/DeepSpeed/Meg等框架，有高性能推理优化经验者优先
• 在领域顶级会议（NeurIPS、ICML、ICLR、ACL、ICASSP、Interspeech等）发表论文、相关实习经验或ACM竞赛获奖者优先

申请策略

• 关注阿里巴巴达摩院及千问事业部在语音多模态方向的技术博客与开源项目，了解其技术栈
• 可提前了解团队在ICASSP/Interspeech等会议的最新成果，面试时体现对业务的了解
• 突出语音/多模态大模型相关项目经验，尤其是端到端模型训练与部署案例
• 强调大规模数据训练经验，如千卡级分布式训练、高性能推理优化
• 展示顶级会议论文或ACM竞赛获奖经历
• 补充强化学习（RLHF/DPO）与多模态对齐相关经验
• 熟悉语音Agent、实时同传等应用场景的工程化落地

面试指南

• 用STAR法则（情境-任务-行动-结果）组织项目经历，突出个人贡献与量化结果
• 从数据、模型、训练、推理、评测全链路阐述，体现系统化思考能力
• 结合业务场景说明技术选型与取舍，体现工程化思维
• 请介绍一个你主导的语音端到端或多模态大模型项目，包括架构设计、训练策略与效果指标
• 如何设计语音统一表征？如何将ASR与TTS在单一模型中联合优化？
• 在多模态理解与生成中，如何对齐不同模态的表征空间？
• 如何优化大模型推理性能以满足实时语音交互的延迟要求？
• 你如何跟踪并复现NeurIPS、ICML、ICLR等顶会的最新成果？