ATH事业群-语音交互前沿算法工程师-语音交互

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：

1. 01

   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。

2. 02

   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。

3. 03

   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。

4. 04

   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。

5. 05

   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。

1. 01

   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。

2. 02

   实战经验与工程能力： ● 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。

• 具有丰富的对话系统/语音对话/全双工交互方向算法经验。

• 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。

• 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。

• 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。

• 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。

3. 03

   加分项： ● 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。

• 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）。

• 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。