{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "自然语言处理算法实习生-语音对话交互方向",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "千问事业部",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里巴巴集团",
        "company_industry": "电子商务 / 云计算 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "alibaba.com",
        "company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "计算机科学、人工智能、信号处理、电子工程等相关专业在校硕士或博士研究生",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、探索并构建面向语音交互场景的端到端对话大模型，实现多轮语音对话的语义理解、上下文管理与智能回复生成，打造流畅自然的人机对话体验，对标 GPT-4o、Gemini Live 等前沿产品；\n2、负责语音、文本、图像等多模态信息的联合建模与跨模态对齐研究，基于 LLM/VLM 骨干网络（如 Qwen、GLM、seed 等）构建统一的多模态对话理解框架，提升模型在视听融合场景下的推理与交互能力；\n3、参与对话大模型的预训练（Pre-training）、有监督微调（SFT）及基于人类反馈的强化学习（RLHF/RLAIF）全流程；重点攻克多轮对话上下文建模、语音-文本跨模态对齐、低延迟流式推理等核心技术难题；\n4、设计并实施大规模语音对话数据的采集、清洗、合成与质量评估方案；构建高质量的多轮对话指令数据集（Instruction Tuning Data），包括语音问答、情感对话、多模态指令跟随等多类型数据；\n5、持续追踪 ACL、EMNLP、NAACL、Interspeech、ICLR、NeurIPS 等顶会最新进展，快速复现并将 Chain-of-Thought、RAG、Agent、语音语言模型等前沿技术迁移至内部产品场景，推动模型能力持续迭代。",
        "requirements_text": "1、计算机科学、人工智能、信号处理、电子工程等相关专业在校硕士或博士研究生；\n2、精通 Python 编程，熟练掌握 PyTorch 深度学习框架，有 Megatron-LM、DeepSpeed、vLLM 等分布式训练/推理框架使用经验者优先；\n3、深入理解 Transformer 架构及大语言模型（LLM）原理，熟悉主流开源模型（LLaMA / Qwen / Mistral 等）的结构与训练范式；熟悉多模态视觉语言模型（VLM）相关工作，如 LLaVA、InternVL、Qwen-VL、GPT-4V 等；\n4、熟悉语音对话大模型相关工作，如 SpeechGPT、Qwen-Audio、SALMONN、WavLLM、Moshi 等。了解主流语音编码器（Whisper、HuBERT、wav2vec 2.0）及语音解码器（VITS、CosyVoice 等）基本原理。\n加分项\n1、在 NLP、语音或多模态领域有顶会论文发表（ACL / EMNLP / Interspeech / ICASSP / NeurIPS / ICLR 等）；\n2、有对话系统、任务型对话（TOD）、开放域对话或 LLM Agent 相关项目经验；熟悉 RAG（检索增强生成）、Tool Use、Function Calling 等 LLM 应用技术；\n3、在 HuggingFace / GitHub 有高 Star 开源项目贡献，或参与过知名开源大模型项目；了解模型量化（GPTQ / AWQ）、推理加速（FlashAttention / Speculative Decoding）等工程优化技术。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "深度学习",
            "自然语言处理",
            "信号处理",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "2、精通 Python 编程，熟练掌握 PyTorch 深度学习框架，有 Megatron-LM、DeepSpeed、vLLM 等分布式训练/推理框架使用经验者优先；加分项",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199905360002?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199905360002",
        "post_date": "2026-05-20",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199905360002?deptCodes="
    },
    "fulltext": "自然语言处理算法实习生-语音对话交互方向\n自然语言处理算法实习生-语音对话交互方向\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2029-10-31\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n1、探索并构建面向语音交互场景的端到端对话大模型，实现多轮语音对话的语义理解、上下文管理与智能回复生成，打造流畅自然的人机对话体验，对标 GPT-4o、Gemini Live 等前沿产品；\n2、负责语音、文本、图像等多模态信息的联合建模与跨模态对齐研究，基于 LLM/VLM 骨干网络（如 Qwen、GLM、seed 等）构建统一的多模态对话理解框架，提升模型在视听融合场景下的推理与交互能力；\n3、参与对话大模型的预训练（Pre-training）、有监督微调（SFT）及基于人类反馈的强化学习（RLHF/RLAIF）全流程；重点攻克多轮对话上下文建模、语音-文本跨模态对齐、低延迟流式推理等核心技术难题；\n4、设计并实施大规模语音对话数据的采集、清洗、合成与质量评估方案；构建高质量的多轮对话指令数据集（Instruction Tuning Data），包括语音问答、情感对话、多模态指令跟随等多类型数据；\n5、持续追踪 ACL、EMNLP、NAACL、Interspeech、ICLR、NeurIPS 等顶会最新进展，快速复现并将 Chain-of-Thought、RAG、Agent、语音语言模型等前沿技术迁移至内部产品场景，推动模型能力持续迭代。\n\n职位要求\n1、计算机科学、人工智能、信号处理、电子工程等相关专业在校硕士或博士研究生；\n2、精通 Python 编程，熟练掌握 PyTorch 深度学习框架，有 Megatron-LM、DeepSpeed、vLLM 等分布式训练/推理框架使用经验者优先；\n3、深入理解 Transformer 架构及大语言模型（LLM）原理，熟悉主流开源模型（LLaMA / Qwen / Mistral 等）的结构与训练范式；熟悉多模态视觉语言模型（VLM）相关工作，如 LLaVA、InternVL、Qwen-VL、GPT-4V 等；\n4、熟悉语音对话大模型相关工作，如 SpeechGPT、Qwen-Audio、SALMONN、WavLLM、Moshi 等。了解主流语音编码器（Whisper、HuBERT、wav2vec 2.0）及语音解码器（VITS、CosyVoice 等）基本原理。\n加分项\n1、在 NLP、语音或多模态领域有顶会论文发表（ACL / EMNLP / Interspeech / ICASSP / NeurIPS / ICLR 等）；\n2、有对话系统、任务型对话（TOD）、开放域对话或 LLM Agent 相关项目经验；熟悉 RAG（检索增强生成）、Tool Use、Function Calling 等 LLM 应用技术；\n3、在 HuggingFace / GitHub 有高 Star 开源项目贡献，或参与过知名开源大模型项目；了解模型量化（GPTQ / AWQ）、推理加速（FlashAttention / Speculative Decoding）等工程优化技术。\n\n在招业务\n千问事业部\n1、探索并构建面向语音交互场景的端到端对话大模型，实现多轮语音对话的语义理解、上下文管理与智能回复生成，打造流畅自然的人机对话体验，对标 GPT-4o、Gemini Live 等前沿产品；\n2、负责语音、文本、图像等多模态信息的联合建模与跨模态对齐研究，基于 LLM/VLM 骨干网络（如 Qwen、GLM、seed 等）构建统一的多模态对话理解框架，提升模型在视听融合场景下的推理与交互能力；\n3、参与对话大模型的预训练（Pre-training）、有监督微调（SFT）及基于人类反馈的强化学习（RLHF/RLAIF）全流程；重点攻克多轮对话上下文建模、语音-文本跨模态对齐、低延迟流式推理等核心技术难题；\n4、设计并实施大规模语音对话数据的采集、清洗、合成与质量评估方案；构建高质量的多轮对话指令数据集（Instruction Tuning Data），包括语音问答、情感对话、多模态指令跟随等多类型数据；\n5、持续追踪 ACL、EMNLP、NAACL、Interspeech、ICLR、NeurIPS 等顶会最新进展，快速复现并将 Chain-of-Thought、RAG、Agent、语音语言模型等前沿技术迁移至内部产品场景，推动模型能力持续迭代。\n1、计算机科学、人工智能、信号处理、电子工程等相关专业在校硕士或博士研究生；\n2、精通 Python 编程，熟练掌握 PyTorch 深度学习框架，有 Megatron-LM、DeepSpeed、vLLM 等分布式训练/推理框架使用经验者优先；\n3、深入理解 Transformer 架构及大语言模型（LLM）原理，熟悉主流开源模型（LLaMA / Qwen / Mistral 等）的结构与训练范式；熟悉多模态视觉语言模型（VLM）相关工作，如 LLaVA、InternVL、Qwen-VL、GPT-4V 等；\n4、熟悉语音对话大模型相关工作，如 SpeechGPT、Qwen-Audio、SALMONN、WavLLM、Moshi 等。了解主流语音编码器（Whisper、HuBERT、wav2vec 2.0）及语音解码器（VITS、CosyVoice 等）基本原理。\n加分项\n1、在 NLP、语音或多模态领域有顶会论文发表（ACL / EMNLP / Interspeech / ICASSP / NeurIPS / ICLR 等）；\n2、有对话系统、任务型对话（TOD）、开放域对话或 LLM Agent 相关项目经验；熟悉 RAG（检索增强生成）、Tool Use、Function Calling 等 LLM 应用技术；\n3、在 HuggingFace / GitHub 有高 Star 开源项目贡献，或参与过知名开源大模型项目；了解模型量化（GPTQ / AWQ）、推理加速（FlashAttention / Speculative Decoding）等工程优化技术。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}