蚂蚁集团起步于2004年诞生的支付宝，源于一份为社会解决信任问题的初心，经过多年的发展，已成为世界领先的互联网开放平台。蚂蚁集团通过科技创新，助力合作伙伴，为消费者和小微企业提供普惠便捷的数字生活及数字金融服务；持续开放产品与技术，助力企业的数字化升级与协作；在全球广泛合作，服务当地商家和消费者实现“全球收”、“全球付”和“全球汇”。2013年3月支付宝的母公司宣布将以其为主体筹建小微金融服务集团，小微金融成为蚂蚁金服的前身。2020年7月蚂蚁金服正式更名为蚂蚁集团。

招聘岗位

多模态&大模型方向图音视

工作职责:
1. 通过多模态算法进行用户的可信认知，支持十亿级支付宝用户，业务覆盖支付宝、蚂蚁国际、消金、财富、保险、生态等蚂蚁全域场景。
2. 方向一：多模态理解与推理方向，负责全面、高精、高效的多模态垂域模型研发，深耕视觉图像&视频reasoning，提升理解和推理能力，攻坚reward设计、多模态推理框架设计等核心问题。
3. 方向二：负责声纹识别、声音防伪算法以及意图理解等算法，探索声纹表征、声纹防伪、ASR、语音合成等All-In-One模型方案，研发金融级识别和防伪算法，落地与实际支付场景；
4. 方向三：声学算法部分，负责波束成形、声源定位、阵列增强、音频编解码等软硬件一体语音信号处理算法原型开发、性能优化
5. 关注多模态以及语音大模型算法前沿技术和发展动态，持续探索新一代AI驱动的、高效的、有效的、业务及产品新范式，推动业务发展、引领行业变革；

任职要求:

1. 计算机科学、人工智能、自然语言处理、数据科学、机器学习等相关专业。
2. 在多模态领域具备相关研发经验，在多模态大模型(OCR/信息抽取/caption/分割/生成/篡改伪造等方向)、多模态推理(MLLM-R1、Video-R1等)等方向有丰富经验，有顶会(NeurIPS、CVPR等)论文发表或国际比赛获奖者优先。
3. 在语音算法领域具备相关的研发经验，包括但不限于语音大模型、声纹识别、语音识别、语音合成和音频生成、AIGC音频及物理重放检测等，有语音顶会(ICASSP、INTERSPEECH、ASRU)论文发表或国际比赛获奖者优先。
4. 具备独立的算法研发、优化能力，编程开发能力强，熟练掌握Python/C++等编程语言和PyTorch等深度学习开发框架。
5. 沟通能力和逻辑表达能力，良好的团队合作精神，有创造性思维，善于解决项目开发或研发中的技术难题。
最低学历要求：本科
工作年限要求：三年以上

多模态&大模型方向-图音视、多模态交互算法-ai核身

工作职责:

1. 通过多模态算法进行用户的可信认知，支持十亿级支付宝用户，业务覆盖支付宝、蚂蚁国际、消金、财富、保险、生态等蚂蚁全域场景。

2. 方向一：多模态理解与推理方向，负责全面、高精、高效的多模态垂域模型研发，深耕视觉图像&视频reasoning，提升理解和推理能力，攻坚reward设计、多模态推理框架设计等核心问题。

3. 方向二：负责声纹识别、声音防伪算法以及意图理解等算法，探索声纹表征、声纹防伪、ASR、语音合成等All-In-One模型方案，研发金融级识别和防伪算法，落地与实际支付场景；

4. 方向三：声学算法部分，负责波束成形、声源定位、阵列增强、音频编解码等软硬件一体语音信号处理算法原型开发、性能优化

5. 关注多模态以及语音大模型算法前沿技术和发展动态，持续探索新一代AI驱动的、高效的、有效的、业务及产品新范式，推动业务发展、引领行业变革；

任职资格:

1. 计算机科学、人工智能、自然语言处理、数据科学、机器学习等相关专业。

2. 在多模态领域具备相关研发经验，在多模态大模型(OCR/信息抽取/caption/分割/生成/篡改伪造等方向)、多模态推理(MLLM-R1、Video-R1等)等方向有丰富经验，有顶会(NeurIPS、CVPR等)论文发表或国际比赛获奖者优先。

3. 在语音算法领域具备相关的研发经验，包括但不限于语音大模型、声纹识别、语音识别、语音合成和音频生成、AIGC音频及物理重放检测等，有语音顶会(ICASSP、INTERSPEECH、ASRU)论文发表或国际比赛获奖者优先。

4. 具备独立的算法研发、优化能力，编程开发能力强，熟练掌握Python/C++等编程语言和PyTorch等深度学习开发框架。

5. 沟通能力和逻辑表达能力，良好的团队合作精神，有创造性思维，善于解决项目开发或研发中的技术难题。

最低学历要求：本科

工作年限要求：三年以上

简历投递

邮箱主题：姓名 + 申请岗位 + 语音之家推荐

邮箱：guyanmei.gym@antgroup.com

工作地点：北京/上海/杭州