主分类：语音与音频算法研发
辅助：大模型与生成式算法研发（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": "ATH事业群-语音交互前沿算法工程师-语音交互",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "云智能集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能、语音信号处理等相关专业硕士/博士学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "深入参与 Alibaba Token Hub 事业群 MaaS 业务（Model as a Service）的核心算法研发，以前沿的技术驱动顶层业务创新，定义下一代 AI-Native 交互范式。结合阿里云真实业务场景，基于语音与全模态大模型（Omni），打造行业领先的全双工语音交互能力，并将核心能力反哺至基座模型。具体工作内容包括但不限于：\n1、全双工对话管理：构建\"边听边说\"场景下的对话决策能力，包括开口时机判断、话轮承接与打断策略、静默与让步控制等，实现自然流畅的人机对话体验。\n2、语音端到端对话质量攻关：在多模态融合架构下保持并提升大模型的对话智商与情商，解决流式语音生成、模态对齐与业务能力落地等核心问题。\n3、对话策略能力构建：通过强化学习（RLHF / RLVR / AgenticRL 等）提升模型在复杂对话场景中的策略能力，包括谈判博弈、施压引导、情绪感知与回应等，使模型在不同业务场景中具备\"会说话\"的能力。\n4、训练和推理框架的深度使用：掌握vLLM/vLLM-Omni/SGLang/TensorRT/Triton 等推理引擎的使用与优化，基于 Megatron/DeepSpeed/veRL/ROLL 等框架，结合语音与 Omni 模型特点定制化改造与优化。\n5、训练数据与模型迭代：参与训练数据构建、模型微调（SFT / RLHF / RLVR / AgenticRL 等）及线上效果的持续迭代，形成数据飞轮驱动的模型持续进化能力。",
"requirements_text": "1、计算机、人工智能、语音信号处理等相关专业硕士/博士学位，在对话系统、语音交互等领域具备扎实的理论基础。\n2、实战经验与工程能力：\n● 掌握Megatron-LM/DeepSpeed等训练框架，具有大模型分布式训练经验；掌握 vLLM/vLLM-Omni/SGLang/TensorRT/Triton等推理框架，了解 KV Cache 管理、Continuous Batching、量化、投机解码等技术。\n● 具有丰富的对话系统/语音对话/全双工交互方向算法经验。\n● 扎实的大模型基础，熟悉LLM的训练与微调全流程，在 SFT/RL/OPD 等方向有深入的实践经验。\n● 熟悉主流语音端到端模型如Moshi及全模态大模型（如 Qwen-Omni等）架构。\n● 有对话策略（谈判、共情、施压等）或强化学习对齐（RLHF / RLVR / AgenticRL）的实战经验。\n● 对 AI 云产品和行业智能化升级有强烈兴趣，能将算法创新与客户业务痛点紧密结合，具备优秀的跨团队协作与项目推进能力。\n3、加分项：\n● 有全双工/流式语音对话系统的实际项目经验，熟悉WebSocket/WebRTC等通信协议。\n● 在语音多模态端到端模型方向有论文或工程产出，在相关顶会发表论文（NeurIPS / ICLR / ACL / ICASSP / Interspeech）。\n● 在LLM/TTS/Omni等模型的训练和推理上，能结合模型特点做定制化改造与性能调优。",
"skills": [AI生成
"强化学习",
"性能调优",
"信号处理",
"项目推进",
"团队协作",
"大语言模型"
],
"preferred_qualifications": "3、加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.aliyun.com/off-campus/position-detail?positionId=100016243007"
}
]
},
"posting": {
"posting_id": "100016243007",
"post_date": "2026-09-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100016243007"
},
"fulltext": "ATH事业群-语音交互前沿算法工程师-语音交互\nATH事业群-语音交互前沿算法工程师-语音交互\n\n基础信息\n工作地点：杭州\n\n职位描述\n深入参与 Alibaba Token Hub 事业群 MaaS 业务（Model as a Service）的核心算法研发，以前沿的技术驱动顶层业务创新，定义下一代 AI-Native 交互范式。结合阿里云真实业务场景，基于语音与全模态大模型（Omni），打造行业领先的全双工语音交互能力，并将核心能力反哺至基座模型。具体工作内容包括但不限于：\n1、全双工对话管理：构建\"边听边说\"场景下的对话决策能力，包括开口时机判断、话轮承接与打断策略、静默与让步控制等，实现自然流畅的人机对话体验。\n2、语音端到端对话质量攻关：在多模态融合架构下保持并提升大模型的对话智商与情商，解决流式语音生成、模态对齐与业务能力落地等核心问题。\n3、对话策略能力构建：通过强化学习（RLHF / RLVR / AgenticRL 等）提升模型在复杂对话场景中的策略能力，包括谈判博弈、施压引导、情绪感知与回应等，使模型在不同业务场景中具备\"会说话\"的能力。\n4、训练和推理框架的深度使用：掌握vLLM/vLLM-Omni/SGLang/TensorRT/Triton 等推理引擎的使用与优化，基于 Megatron/DeepSpeed/veRL/ROLL 等框架，结合语音与 Omni 模型特点定制化改造与优化。\n5、训练数据与模型迭代：参与训练数据构建、模型微调（SFT / RLHF / RLVR / AgenticRL 等）及线上效果的持续迭代，形成数据飞轮驱动的模型持续进化能力。\n\n职位要求\n1、计算机、人工智能、语音信号处理等相关专业硕士/博士学位，在对话系统、语音交互等领域具备扎实的理论基础。\n2、实战经验与工程能力：\n● 掌握Megatron-LM/DeepSpeed等训练框架，具有大模型分布式训练经验；掌握 vLLM/vLLM-Omni/SGLang/TensorRT/Triton等推理框架，了解 KV Cache 管理、Continuous Batching、量化、投机解码等技术。\n● 具有丰富的对话系统/语音对话/全双工交互方向算法经验。\n● 扎实的大模型基础，熟悉LLM的训练与微调全流程，在 SFT/RL/OPD 等方向有深入的实践经验。\n● 熟悉主流语音端到端模型如Moshi及全模态大模型（如 Qwen-Omni等）架构。\n● 有对话策略（谈判、共情、施压等）或强化学习对齐（RLHF / RLVR / AgenticRL）的实战经验。\n● 对 AI 云产品和行业智能化升级有强烈兴趣，能将算法创新与客户业务痛点紧密结合，具备优秀的跨团队协作与项目推进能力。\n3、加分项：\n● 有全双工/流式语音对话系统的实际项目经验，熟悉WebSocket/WebRTC等通信协议。\n● 在语音多模态端到端模型方向有论文或工程产出，在相关顶会发表论文（NeurIPS / ICLR / ACL / ICASSP / Interspeech）。\n● 在LLM/TTS/Omni等模型的训练和推理上，能结合模型特点做定制化改造与性能调优。\n深入参与 Alibaba Token Hub 事业群 MaaS 业务（Model as a Service）的核心算法研发，以前沿的技术驱动顶层业务创新，定义下一代 AI-Native 交互范式。结合阿里云真实业务场景，基于语音与全模态大模型（Omni），打造行业领先的全双工语音交互能力，并将核心能力反哺至基座模型。具体工作内容包括但不限于：\n1、全双工对话管理：构建\"边听边说\"场景下的对话决策能力，包括开口时机判断、话轮承接与打断策略、静默与让步控制等，实现自然流畅的人机对话体验。\n2、语音端到端对话质量攻关：在多模态融合架构下保持并提升大模型的对话智商与情商，解决流式语音生成、模态对齐与业务能力落地等核心问题。\n3、对话策略能力构建：通过强化学习（RLHF / RLVR / AgenticRL 等）提升模型在复杂对话场景中的策略能力，包括谈判博弈、施压引导、情绪感知与回应等，使模型在不同业务场景中具备\"会说话\"的能力。\n4、训练和推理框架的深度使用：掌握vLLM/vLLM-Omni/SGLang/TensorRT/Triton 等推理引擎的使用与优化，基于 Megatron/DeepSpeed/veRL/ROLL 等框架，结合语音与 Omni 模型特点定制化改造与优化。\n5、训练数据与模型迭代：参与训练数据构建、模型微调（SFT / RLHF / RLVR / AgenticRL 等）及线上效果的持续迭代，形成数据飞轮驱动的模型持续进化能力。\n1、计算机、人工智能、语音信号处理等相关专业硕士/博士学位，在对话系统、语音交互等领域具备扎实的理论基础。\n2、实战经验与工程能力：\n● 掌握Megatron-LM/DeepSpeed等训练框架，具有大模型分布式训练经验；掌握 vLLM/vLLM-Omni/SGLang/TensorRT/Triton等推理框架，了解 KV Cache 管理、Continuous Batching、量化、投机解码等技术。\n● 具有丰富的对话系统/语音对话/全双工交互方向算法经验。\n● 扎实的大模型基础，熟悉LLM的训练与微调全流程，在 SFT/RL/OPD 等方向有深入的实践经验。\n● 熟悉主流语音端到端模型如Moshi及全模态大模型（如 Qwen-Omni等）架构。\n● 有对话策略（谈判、共情、施压等）或强化学习对齐（RLHF / RLVR / AgenticRL）的实战经验。\n● 对 AI 云产品和行业智能化升级有强烈兴趣，能将算法创新与客户业务痛点紧密结合，具备优秀的跨团队协作与项目推进能力。\n3、加分项：\n● 有全双工/流式语音对话系统的实际项目经验，熟悉WebSocket/WebRTC等通信协议。\n● 在语音多模态端到端模型方向有论文或工程产出，在相关顶会发表论文（NeurIPS / ICLR / ACL / ICASSP / Interspeech）。\n● 在LLM/TTS/Omni等模型的训练和推理上，能结合模型特点做定制化改造与性能调优。",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}