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": "研究型实习生-面向通用场景的智能交互语音理解大模型与鲁棒语音识别技术",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "Token Foundry",
"location": "北京 / 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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责语音识别/语种识别/情感识别等方向的算法研究和开发；\n2.负责音频理解/用户意图理解等算法研究和开发；\n3.语音统一多模态大模型：研究下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模。",
"requirements_text": "1.硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业。\n2.具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强。\n3.熟悉语音识别、语音合成、口语语言处理、语音交互等核心技术，具备以下一项或多项经验：\n（1）语音端到端声学建模（如 Transformer、Whisper、Qwen-Omni、Baichuan-Omni）；\n（2）语音无监督预训练（如 Wav2Vec）；\n（3）大语言模型（LLM）相关研发，包括预训练、SFT、强化学习；\n（4）语音端到端大模型（Audio Encoder + LLM）的联合训练与优化；\n4.对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。\n【加分项】\n1.在NeurIPS、ICML、ICLR、CVPR、ACL、AAAI、Interspeech、ICASSP、ASRU 等顶级会议/期刊发表过论文（尤其一作）。\n2.在 ACM、Kaggle 或语音/多模态相关国际竞赛中获得优异成绩（如前三名）。\n3.具备跨领域研究经验（如 NLP + 语音、音频信号处理 + 深度学习）。\n4.成功复现或改进过 SOTA 语音算法，或有开源项目贡献。",
"skills": [AI生成
"Python",
"C++",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"信号处理",
"团队协作",
"建模",
"大语言模型"
],
"preferred_qualifications": "【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/199908040002?deptCodes="
}
]
},
"posting": {
"posting_id": "199908040002",
"post_date": "2026-08-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908040002?deptCodes="
},
"fulltext": "研究型实习生-面向通用场景的智能交互语音理解大模型与鲁棒语音识别技术\n研究型实习生-面向通用场景的智能交互语音理解大模型与鲁棒语音识别技术\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-01-01\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：北京 / 杭州\n\n职位描述\n1.负责语音识别/语种识别/情感识别等方向的算法研究和开发；\n2.负责音频理解/用户意图理解等算法研究和开发；\n3.语音统一多模态大模型：研究下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模。\n\n职位要求\n1.硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业。\n2.具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强。\n3.熟悉语音识别、语音合成、口语语言处理、语音交互等核心技术，具备以下一项或多项经验：\n（1）语音端到端声学建模（如 Transformer、Whisper、Qwen-Omni、Baichuan-Omni）；\n（2）语音无监督预训练（如 Wav2Vec）；\n（3）大语言模型（LLM）相关研发，包括预训练、SFT、强化学习；\n（4）语音端到端大模型（Audio Encoder + LLM）的联合训练与优化；\n4.对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。\n【加分项】\n1.在NeurIPS、ICML、ICLR、CVPR、ACL、AAAI、Interspeech、ICASSP、ASRU 等顶级会议/期刊发表过论文（尤其一作）。\n2.在 ACM、Kaggle 或语音/多模态相关国际竞赛中获得优异成绩（如前三名）。\n3.具备跨领域研究经验（如 NLP + 语音、音频信号处理 + 深度学习）。\n4.成功复现或改进过 SOTA 语音算法，或有开源项目贡献。\n\n在招业务\nToken Foundry\n1.负责语音识别/语种识别/情感识别等方向的算法研究和开发；\n2.负责音频理解/用户意图理解等算法研究和开发；\n3.语音统一多模态大模型：研究下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模。\n1.硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业。\n2.具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强。\n3.熟悉语音识别、语音合成、口语语言处理、语音交互等核心技术，具备以下一项或多项经验：\n（1）语音端到端声学建模（如 Transformer、Whisper、Qwen-Omni、Baichuan-Omni）；\n（2）语音无监督预训练（如 Wav2Vec）；\n（3）大语言模型（LLM）相关研发，包括预训练、SFT、强化学习；\n（4）语音端到端大模型（Audio Encoder + LLM）的联合训练与优化；\n4.对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。\n【加分项】\n1.在NeurIPS、ICML、ICLR、CVPR、ACL、AAAI、Interspeech、ICASSP、ASRU 等顶级会议/期刊发表过论文（尤其一作）。\n2.在 ACM、Kaggle 或语音/多模态相关国际竞赛中获得优异成绩（如前三名）。\n3.具备跨领域研究经验（如 NLP + 语音、音频信号处理 + 深度学习）。\n4.成功复现或改进过 SOTA 语音算法，或有开源项目贡献。",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}