日日操狠狠干,91精品91久久久中77777,精品视频一区二区三区四区五区,伊人婷婷网,久久久国产一区二区三区四区,久久久久久久久久久97,欧美图片区综合免费

崗位職責：
1.大模型架構設計與優化：
研發面向語音識別場景的大規模語音模型（如端到端ASR、語音大模型），優化聲學建模、語言建模及多模態融合技術；
探索輕量化大模型架構（如Transformer變體、稀疏模型），適配邊緣端語音芯片的算力與功耗約束。
2.芯片算法協同開發：
與芯片NPU設計團隊深度合作，適配NPU加速部署至自研語音芯片，優化推理延遲、內存占用及能效比；
設計模型壓縮方案（量化、蒸餾、剪枝），實現高精度低比特模型在芯片端的落地。
3.數據與訓練系統構建：
參與構建超大規模語音數據集，開發數據增強與自動標注pipeline，提升模型魯棒性（抗噪、口音適應等）；
搭建分布式訓練框架，優化千億參數級模型的訓練效率與穩定性。
4.前沿技術探索：
跟蹤語音大模型國際前沿（如Whisper、Conformer、Paraformer），推進自研模型在低資源喚醒、低信噪比等場景的性能突破；
5.技術賦能與支持：支持客戶技術對接，解決實際應用中的識別率、實時性問題；

任職要求：
1.碩士以上學歷，計算機科學、機器學習、人工智能、數學、控制科學與工程、自動化等相關專業，有至少一個完整的大模型落地案例；
2.熟悉大模型基礎原理，了解主流大模型架構（如Transformer、LLaMA、GPT、CLIP），掌握大模型微調技術（如SFT、LoRA、QLoRA、Adapter）；
3.精通Transformer、RNN-T、CTC等語音識別模型架構，有千億參數級模型訓練/部署經驗；掌握PyTorch框架，熟悉DeepSpeed、Megatron等分布式訓練工具；
4.具備模型壓縮（INT8/FP16量化、知識蒸餾）及嵌入式部署經驗（TensorRT、ONNX Runtime）；了解芯片硬件特性（內存帶寬、計算單元），能優化模型與硬件的匹配度；
5.深入理解語音信號處理流程（MFCC/FBank、端到端建模）、語音識別評測指標（WER）；熟悉主流語音工具鏈（Kaldi、ESPnet、WeNet）及數據集（LibriSpeech、AISHELL）；
6.熟練掌握C\C \Matlab\Python編程語言的一種或多種，熟悉Linux操作系統；
7.邏輯思路清晰，較強的學習能力、創新能力和自驅力，一定的抗壓能力，積極主動、責任心強、團隊合作良好；
加分項：
8.有大語言模型、語音識別/合成、深度學習等研究或者技術背景；有語音芯片、邊緣AI設備或云-端協同語音系統開發經驗者更佳。
9.在語音領域發表過頂級會議文章(NIPS、ICML、ICLR、ACL、ICASSP、INTERSPEECH等)更佳。