科大讯飞
AI研究算法工程师-机器人多模态交互方向（前瞻研究）(J14733)
AI研究算法工程师-机器人多模态交互方向（前瞻研究）(J14733)
发布于 1 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
Pytorch
Tensorflow
Vlm
多模态大模型
机器人交互
深度学习
生成式Ai
跨模态对齐
值不值得投
79综合评分
综合评分 79
聚焦人形机器人与多模态大模型前沿研发，技术成长空间大，社会价值显著，适合热爱科研的硬核技术人才。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
2.0万
比人工智能中位数低
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 210 个在招 · 其中人工智能 45 个
市场机会
选择面较广
合肥 · 人工智能 · 70 个在招
职位详情
关于这个职位
负责设计、训练和优化面向机器人交互的端到端多模态大模型架构，探索语音、图像、传感器等多源数据的深度融合与理解
重点攻克人机交互闭环中的意图识别、情感感知与长时对话一致性等难题，推动人形机器人智能化发展
最低要求
重点院校计算机、人工智能、信号处理、语音语言等相关专业硕士及以上
扎实的机器学习/深度学习理论基础，了解主流多模大模型的基本原理和训练方法
具备良好的编程能力，熟练掌握Python，熟悉TensorFlow、PyTorch等至少一种主流深度学习框架
关注生成式AI和多模态交互技术，对推动人形机器人智能化有热情
熟悉VLM/VLA/WAM/VLP/MLM等多模态任务建模，具备跨模态模型设计与训练经验
理解多模态对齐（如cross-attention、token-level alignment）、条件生成、多模态融合机制
工作职责
设计、构建、训练和优化面向机器人交互场景的端到端多模态大模型架构
探索和实现模型对多模态输入（语音、文本、图像/视频、深度信息、传感器数据、环境上下文等）的深度融合与理解
研发模型生成多模态输出（语言语音、情绪、表情、移动、行为动作等）的能力，确保输出的一致性与自然性
重点攻克人机交互闭环中的关键问题：上下文记忆与理解、意图识别与澄清、个性化交互、情感感知与表达、长时程对话一致性、任务导向交互等
跟踪生成式AI和多模态交互技术前沿，推动人形机器人智能化
优先资格
我们还希望你：
有端到端多模态大模型研究经验
在CVPR、NeurIPS、ICLR、ACL等会议发表多模态相关工作者
具有优秀的代码能力和竞赛精神，ACM/ICPC、RoboMaster等比赛获奖者优先
AI 洞察
优缺点分析
优点
- 依托头部平台资源，接触行业顶尖算力与真实机器人应用场景
- 聚焦人形机器人与多模态前沿方向，技术壁垒高且长期发展空间广阔
- 校招培养体系完善，利于快速积累高质量科研与项目经验
- 前沿研究方向迭代极快，需保持高强度学习与持续追踪顶会论文
- 算法落地需兼顾理论创新与工程稳定性，对代码质量与系统调试能力要求严苛
- 跨模态对齐与长时对话一致性等技术难点尚未完全解决，试错成本高
- 适合具备扎实数理基础、热爱前沿AI研究且抗压能力强的硕士及以上学历求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可沿AI算法专家路线深耕多模态与大模型底层技术，或转向机器人智能决策与具身智能方向
- 未来有机会主导前瞻性科研项目，成为该交叉领域的技术带头人
- 负责设计并训练面向机器人交互的端到端多模态大模型架构，实现语音、视觉、传感器等多源数据的深度融合与理解
- 开发模型的多模态输出能力，确保交互过程的自然流畅与高度一致
- 持续攻关人机交互闭环中的意图识别、情感感知与长时对话等核心难题
- 掌握扎实的机器学习与深度学习理论，熟练使用Python及PyTorch/TensorFlow框架
- 深入理解多模态任务建模（如VLM/VLA）与跨模态对齐机制
- 具备较强的算法研究与工程落地能力，能跟进生成式AI前沿技术
申请策略
- 提前调研公司在具身智能与多模态领域的最新布局，准备针对性的技术问答
- 面试时着重展示科研思维与解决开放性问题的逻辑框架
- 突出多模态大模型相关的项目经历或论文发表，明确标注使用的框架、数据集与核心贡献
- 详细列出跨模态对齐、条件生成等关键技术点的实践细节
- 附上ACM/ICPC或RoboMaster等高水平竞赛奖项以证明工程与算法实力
- 系统复习Transformer架构与多模态融合机制，动手复现近期顶会相关论文
- 强化Python工程能力，熟悉分布式训练与模型部署流程
- 补充机器人控制基础与传感器数据处理知识
面试指南
- 采用STAR法则结构化阐述项目背景、个人职责、技术难点与最终成果
- 结合数学原理与代码实现双视角解释核心算法，体现理论深度与工程落地能力
- 针对开放性问题，先拆解问题边界，再提出假设、实验验证路径与预期指标
- 请介绍你参与过的多模态大模型项目，你在其中负责的具体模块与技术选型是什么？
- 如何理解并实现跨模态对齐（如cross-attention）？
- 在多模态融合过程中遇到数据噪声或模态缺失时，你会如何设计鲁棒性方案？
- 针对人形机器人的长时程对话一致性，你有什么思路或改进方案？
- 精读近半年CVPR/NeurIPS/ICLR关于多模态大模型与具身智能的核心论文，整理技术对比表格
职位点评
薪资福利75
成长发展90
工作生活60
使命价值85
薪资福利
75中等
合肥地区AI算法岗硕士起薪具备较强竞争力，结合上市公司薪酬体系与年终奖机制，整体现金回报处于市场中上水平。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
90较高
岗位聚焦人形机器人与多模态大模型前沿交叉领域，技术栈先进且直接参与核心算法攻关，成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、VLM、VLA、WAM、VLP、MLM、cross-attention、多模态大模型
业务类型ambiguous
工作生活
60中等
研发类岗位通常遵循标准工时制，但前沿算法研究伴随较高的技术攻关压力，加班情况视项目节点而定。
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
85较高
致力于推动人形机器人智能化与人机交互体验升级，契合科技向善与产业变革的社会价值导向。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动人形机器人智能化
创新程度开拓性创新（行业首创）
科大讯飞 的其他在招职位
相似职位推荐
Watch Jobs