科大讯飞
AI研究算法工程师-人机交互算法方向(J14576)
AI研究算法工程师-人机交互算法方向(J14576)
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Diffusion
Pytorch
Tensorflow
人机交互
多模态感知
自然语言处理
计算机视觉
值不值得投
78综合评分
综合评分 78
科大讯飞校招核心算法岗，聚焦多模态前沿技术，成长空间大，薪资具区域竞争力。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
2.3万
与人工智能中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 220 个在招 · 其中人工智能 23 个
市场机会
选择适中
合肥 · 人工智能 · 38 个在招
职位详情
关于这个职位
该职位主要负责多模态感知、自然交互建模等前沿人机交互算法的研究与落地，面向智能终端、AI助手及AR/VR等场景设计实时交互方案
你需要与产品工程团队协同，完成从数据采集、模型训练到系统部署的全流程工作，并持续跟踪前沿技术推动创新
最低要求
计算机科学、人工智能、自动化、电子工程、人机交互或相关专业硕士及以上学历，博士优先
具备AI算法研发经验，有扎实的机器学习、深度学习基础，熟悉Transformer、Diffusion、多模态融合等主流模型架构
熟练掌握Python及主流深度学习框架（PyTorch/TensorFlow），具备Linux环境下算法开发、调试与性能优化能力
在语音识别/合成、计算机视觉、自然语言处理、行为分析、眼动追踪、手势识别等至少一个细分方向有深入研究或项目落地经验
具备良好的数学建模能力与工程实现能力，能独立完成算法设计、实验验证与结果分析
有ACM/IEEE等顶会论文发表、人机交互相关竞赛获奖、或知名AI平台/智能硬件企业人机交互算法项目经验者优先
工作职责
负责人机交互（HCI）方向的前沿算法研究与技术落地，包括但不限于多模态感知（语音、视觉、手势、眼动等）、自然交互建模、意图理解与预测、交互反馈优化等
设计并实现面向智能终端、AI助手、AR/VR等场景的实时、低延迟、高鲁棒性人机交互算法方案
参与跨模态数据采集、标注规范制定及高质量交互数据集构建，支撑模型训练与效果评估
与产品、工程团队协同，完成算法从原型验证、性能调优到系统集成与线上部署的全流程推进
跟踪国内外人机交互与AI交叉领域的最新研究成果，持续推动技术创新与专利布局
优先资格
博士学历优先
有ACM/IEEE等顶会论文发表、人机交互相关竞赛获奖、或知名AI平台/智能硬件企业人机交互算法项目经验者优先
AI 洞察
优缺点分析
优点
- 依托科大讯飞在语音和AI领域的深厚积累，能接触到丰富的多模态数据和真实的落地场景
- 作为超大型企业，平台大、资源多，有利于技术视野的拓展和专利/论文产出
- 人机交互与多模态融合属于前沿交叉领域，技术迭代快，需要持续跟踪最新文献并保持高强度的学习
- 适合拥有扎实AI算法基础、对多模态和人机交互有浓厚兴趣，且具备较强工程实现能力和学术研究背景的硕士/博士毕业生
缺点 / 挑战
- 从算法原型到工程部署的全流程要求较高的工程落地能力
角色解读
- 从初级算法工程师成长为多模态/人机交互领域的技术专家
- 未来可向AI算法架构师或AI产品技术负责人方向发展
- 有机会参与前沿技术专利布局与顶会论文发表
- 负责多模态感知、意图理解等前沿人机交互算法的研究与落地
- 面向智能终端、AR/VR等场景设计低延迟、高鲁棒性的交互方案
- 协同团队完成从数据采集、模型训练到线上部署的全流程
- 扎实的机器学习与深度学习基础，熟悉Transformer、Diffusion等主流架构
- 熟练掌握Python及PyTorch/TensorFlow框架，具备Linux下开发与优化能力
- 在语音、视觉、NLP等至少一个细分方向有深入研究
申请策略
- 准备好自己的研究项目或论文的深度讲解，面试官可能会针对你的细分研究方向进行深度技术拷问
- 重点突出在Transformer、多模态融合等方向的论文发表（如ACM/IEEE顶会）或竞赛获奖经历
- 详细描写在语音、视觉或NLP等细分方向的项目落地经验及性能优化成果
- 提前熟悉科大讯飞现有的多模态产品或智能硬件交互方案，了解其技术栈
- 加强C++或模型部署（如TensorRT）相关的工程化技能，以弥补纯算法到落地的Gap
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验
- 技术原理问题采用“核心思想+具体实现+优缺点对比+业务场景适配”的结构回答
- 工程优化问题从“算法剪枝/量化、算子优化、硬件适配”等维度分层解答
- 请详细介绍你在多模态融合或人机交互方向的一个核心项目，遇到了什么技术难点，如何解决的？
- Transformer和Diffusion模型在多模态感知中是如何应用的？请对比它们的优缺点
- 在Linux环境下，你通常如何对深度学习模型进行性能调优和加速？
- 如果要将一个高延迟的交互算法部署到算力受限的智能终端上，你会采取哪些优化策略？
- 复习自己简历中提到的所有论文和项目细节，确保能应对深度技术拷问
职位点评
薪资福利75
成长发展90
工作生活60
使命价值80
薪资福利
75中等
作为超大型企业的校招算法岗，薪资在合肥当地具有较强竞争力，福利体系相对完善，但相比一线城市头部企业可能略有差距。
薪资信号市场水准 (1.8千–2.8万/月)
成长发展
90较高
岗位聚焦前沿的人机交互与多模态算法，鼓励专利布局和技术创新，且有博士优先和顶会论文偏好，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈多模态感知、Transformer、Diffusion、PyTorch、TensorFlow、Python
成长机会技术创新、专利布局
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式和加班情况，但作为核心算法研发岗且要求全流程推进，工作节奏可能较快，WLB情况无法准确判断。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
人机交互与AI助手方向旨在提升人类与机器的交互体验，具有较好的社会应用价值，且属于AI前沿领域，行业前景广阔。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs