主分类：大模型与生成式算法研发
辅助：语音与音频算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "Token Foundry-多模态交互算法专家-Qwen Audio",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "通义",
"company_industry": "人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "通义提供人工智能模型及文档阅读等AI应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 2,
"degree": "计算机或通信专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责Token Foundry多模态口语交互的算法研发，通过深入理解全链路多模态交互技术，推进大模型增强的语言交互技术能力建设。\n2. 多模态交互：\n（1）端到端多模态联合建模 - 语音/视觉/文本等模态融合并应用于人机交互场景。\n（2）多模态交互应用算法 - 意图动态规划、多智能体协作、多任务推理、主动交互。\n（3）多模态对话系统设计 - 多轮交互状态管理、情境感知、情感理解及生成控制。\n3. 音视频内容理解：\n（1）转写内容后处理 - 书面化、标点、分段分章节。\n（2）音视频分析 - 分角色、语种判别、视频场景划分。\n（3）口语内容长篇章理解及生成。\n4. 探索多模态口语交互技术落地于实际应用场景，包括但不限于：\n（1）消费电子-智能穿戴实时交互、手机多模态助手、具身机器人环境感知。\n（2）内容消费-音视频媒资、会议场景、电销通话多模态理解等。\n5. 持续关注行业前沿动态，通过专利申请、论文和技术报告等形式提升团队的技术影响力。",
"requirements_text": "1. 计算机或通信专业硕士及以上学历。\n2. 具有2年以上多模态交互或语言理解算法研发经验，以下领域至少精通一项：\n（1）多模态联合建模（语音+视觉/文本等）。\n（2）对话系统设计及开发。\n（3）口语语言理解。\n（4）多智能体交互决策。\n3. 精通基于深度神经网络的机器学习算法，熟悉Transformer、GPT、LLM等算法原理，掌握 AI 产品开发的开源工具和框架，具备优秀的编程能力。\n4. 具备以下经验者加分：\n（1）在顶级会议或期刊上发表过相关领域的论文。\n（2）有业界前沿的语音多模态交互或数字人交互系统的算法经验。",
"skills": [AI生成
"机器学习",
"建模",
"智能体开发"
],
"preferred_qualifications": "4. 具备以下经验者加分：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100009980051"
}
]
},
"posting": {
"posting_id": "100009980051",
"post_date": "2026-09-01",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100009980051"
},
"fulltext": "Token Foundry-多模态交互算法专家-Qwen Audio\nToken Foundry-多模态交互算法专家-Qwen Audio\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n1. 负责Token Foundry多模态口语交互的算法研发，通过深入理解全链路多模态交互技术，推进大模型增强的语言交互技术能力建设。\n2. 多模态交互：\n（1）端到端多模态联合建模 - 语音/视觉/文本等模态融合并应用于人机交互场景。\n（2）多模态交互应用算法 - 意图动态规划、多智能体协作、多任务推理、主动交互。\n（3）多模态对话系统设计 - 多轮交互状态管理、情境感知、情感理解及生成控制。\n3. 音视频内容理解：\n（1）转写内容后处理 - 书面化、标点、分段分章节。\n（2）音视频分析 - 分角色、语种判别、视频场景划分。\n（3）口语内容长篇章理解及生成。\n4. 探索多模态口语交互技术落地于实际应用场景，包括但不限于：\n（1）消费电子-智能穿戴实时交互、手机多模态助手、具身机器人环境感知。\n（2）内容消费-音视频媒资、会议场景、电销通话多模态理解等。\n5. 持续关注行业前沿动态，通过专利申请、论文和技术报告等形式提升团队的技术影响力。\n\n职位要求\n1. 计算机或通信专业硕士及以上学历。\n2. 具有2年以上多模态交互或语言理解算法研发经验，以下领域至少精通一项：\n（1）多模态联合建模（语音+视觉/文本等）。\n（2）对话系统设计及开发。\n（3）口语语言理解。\n（4）多智能体交互决策。\n3. 精通基于深度神经网络的机器学习算法，熟悉Transformer、GPT、LLM等算法原理，掌握 AI 产品开发的开源工具和框架，具备优秀的编程能力。\n4. 具备以下经验者加分：\n（1）在顶级会议或期刊上发表过相关领域的论文。\n（2）有业界前沿的语音多模态交互或数字人交互系统的算法经验。\n1. 负责Token Foundry多模态口语交互的算法研发，通过深入理解全链路多模态交互技术，推进大模型增强的语言交互技术能力建设。\n2. 多模态交互：\n（1）端到端多模态联合建模 - 语音/视觉/文本等模态融合并应用于人机交互场景。\n（2）多模态交互应用算法 - 意图动态规划、多智能体协作、多任务推理、主动交互。\n（3）多模态对话系统设计 - 多轮交互状态管理、情境感知、情感理解及生成控制。\n3. 音视频内容理解：\n（1）转写内容后处理 - 书面化、标点、分段分章节。\n（2）音视频分析 - 分角色、语种判别、视频场景划分。\n（3）口语内容长篇章理解及生成。\n4. 探索多模态口语交互技术落地于实际应用场景，包括但不限于：\n（1）消费电子-智能穿戴实时交互、手机多模态助手、具身机器人环境感知。\n（2）内容消费-音视频媒资、会议场景、电销通话多模态理解等。\n5. 持续关注行业前沿动态，通过专利申请、论文和技术报告等形式提升团队的技术影响力。\n1. 计算机或通信专业硕士及以上学历。\n2. 具有2年以上多模态交互或语言理解算法研发经验，以下领域至少精通一项：\n（1）多模态联合建模（语音+视觉/文本等）。\n（2）对话系统设计及开发。\n（3）口语语言理解。\n（4）多智能体交互决策。\n3. 精通基于深度神经网络的机器学习算法，熟悉Transformer、GPT、LLM等算法原理，掌握 AI 产品开发的开源工具和框架，具备优秀的编程能力。\n4. 具备以下经验者加分：\n（1）在顶级会议或期刊上发表过相关领域的论文。\n（2）有业界前沿的语音多模态交互或数字人交互系统的算法经验。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T035"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}