职位描述
岗位职责
1. 参与端侧多模态数据时空对齐与低延迟数据流管线开发。
2. 参与视听融合（Audio-Visual Fusion）算法研发：活跃发言人检测（ASD）、声源定位（DOA）、向机器人说话检测等。
3. 参与交互对象追踪：FaceID/ReID 关联、多目标追踪（MOT）、交互生命周期状态维护。
4. 参与多模态模型训练 Pipeline 搭建、数据构造、实验追踪与回归评测。
5. 参与端侧模型推理优化与部署（TensorRT / ONNX Runtime）。任职要求
任职要求
1. 计算机、人工智能、自动化、电子信息等相关专业硕士在读，每周可实习 4 天以上，持续 3 个月以上。
2. 熟练掌握 Python，熟悉 PyTorch 深度学习框架，理解 Transformer、Attention 等基础架构。
3. 有以下任一方向项目经验优先：语音/视觉/VLM 项目、数据构造与训练 Pipeline 搭建、多模态（音频+视觉）融合。
4. 有模型对比实验、误差分析或 Benchmark 评测经验者优先。
加分项
- 有多模态交互、对话系统、智能座舱、机器人感知项目经验。
