1. 参与 MiniCPM-o 多模态模型的音视频联合理解能力建设，包括音频理解、视频理解、音视频联合理解等方向。参与全模态全双工大模型的研发，包括：（1）主动提醒（2）边看边说（3）打断处理等全双工特色能力。 2. 负责音频、视频多模态训练数据的构建、清洗、配比与训练策略设计，提升模型在复杂全模态场景下的理解与推理能力。 3. 优化音视频-语言模态对齐、时间建模、长序列建模和多模态融合效果。

1. 有多模态大模型、音视频理解、语音理解、视频理解等相关项目经验。 2. 熟悉 PyTorch、Transformers，具备大模型训练经验。 3. 能够独立设计实验、排查训练问题、分析指标和 badcase，根据 benchmark 进行模型迭代。 4. 具备良好的工程能力，能掌控复杂训练代码仓库，熟悉 Linux / CUDA / 多卡训练环境。 面壁智能的岗位