多模态RL研究实习生（audio方向）

随着大语言模型向多模态演进，音频模态的理解与生成成为 Omni 模型的关键能力。然而，音频与 LLM 融合后面临生成幻觉、语义偏移、信息损失等挑战，强化学习通过对齐反馈信号为这些问题提供了有效的优化路径。 本岗位聚焦于 RL 在音频多模态场景中的研究与应用，参与 Omni 多模态框架中音频侧的强化学习体系构建。 核心职责

1. 01

   参与面向音频模态的 RL 对齐算法研究，覆盖音频理解与生成两侧，探索如何通过 RL 抑制生成幻觉、提升事实性与一致性。结合音频多维度评价体系（如自然度、表现力、内容一致性等）设计 RL 奖励函数，构建面向音频场景的精细化对齐优化流程。

2. 02

   在上述探索稳定模型基本能力的基础上，参与多模态 RL 训练框架的适配与优化工作，解决音频模态接入后的大规模训练稳定性、效率与可扩展性问题。

3. 03

   参与构建音频多模态对齐反馈数据 pipeline，包括大规模音频-文本对齐数据的采集、质量控制，以及 RL 训练所需的偏好数据与评测数据集建设。

4. 04

   跟踪音频自监督学习、语音语言模型、多模态 RL 等方向的前沿进展，提出并验证新的研究思路。

1. 01

   计算机科学、人工智能、电子工程、语音信号处理等相关专业在读博士生。

2. 02

   有语音/音频处理相关研究或项目经验，有大规模数据或大规模模型训练经验者优先。

3. 03

   具备 LLM 或多模态大模型的训练经验，熟悉 Transformer 架构与大规模分布式训练流程。

4. 04

   了解 RLHF/RLAIF 或相关对齐技术，有 RL 训练经验者优先；熟悉 TRL、VERL、SLIME、MS-Swift 等主流 RL 训练框架者优先。

5. 05

   精通 PyTorch，具备海量数据处理经验；熟悉 Megatron 等大规模分布式训练框架者优先。

6. 06

   具备跨时区协作与良好沟通能力，结果导向，责任心强。