研究型实习生-面向复杂场景全双工交互的Omni大模型技术

我们致力于探索下一代语音交互技术，让 AI 从“听完再说”走向“边听、边想、边说、边做”，实现更自然、更实时、更智能的全双工交互。

你将参与：

1、全双工对话管理算法研发：研究开口时机、话轮承接、用户打断、静默让步及附和反馈等关键能力，让模型更自然地“听”和“说”。

2、端到端 Omni 语音交互建模：探索语音理解、情感表达与流式生成技术，提升复杂场景下的交互自然度、智能水平与响应速度。

3、Voice Agent 建设：通过后训练与强化学习，提升模型的多轮状态保持、工具调用、打断恢复及任务完成能力。

4、训练、推理与数据闭环优化：参与模型训练、流式推理和性能优化，将典型失败案例转化为训练数据，形成“数据—训练—评测—迭代”闭环。

5、前沿研究与业务落地：推动成果在智能客服、车载、教育、陪伴助手等场景验证，参与高水平论文、专利或开源成果产出。

1、计算机、人工智能、语音信号处理等相关专业博士在读。

2、具备扎实的机器学习与深度学习基础，熟练使用 Python、PyTorch。

3、在以下至少一个方向有研究或项目经验：全双工语音对话、端到端语音大模型、Omni 模型、多轮对话、语音智能体或强化学习。

4、具备良好的科研能力，能够完成论文调研、方法复现、实验设计与结果分析；同时具有较强的工程实践能力。

5、对全双工交互、流式语音生成和 Voice Agent 等前沿方向有热情，愿意探索尚无标准答案的研究问题。

6、自驱、负责，具有良好的沟通协作能力，能够保证稳定、充分的实习时间。

7、在 NeurIPS、ICML、ICLR、ACL、ICASSP、Interspeech 等会议发表过论文，或有高质量开源项目、竞赛及工程成果者优先。