AI研究院-算法研究员-多模态深度鉴伪

1. 负责多模态深度伪造（Deepfake）检测与溯源方向的核心技术研发，重点包括：

• 语音、图像、视频等模态的伪造生成机制分析与检测方法设计
• 面向复杂场景（压缩、剪辑、重采样、跨设备）的鲁棒鉴伪建模
• 真实世界分布下的泛化能力提升（Out-of-Distribution / Cross-domain）

1. 构建面向产业落地的鉴伪技术体系，包括：

• 数据构建与标注体系设计（真实/伪造、多攻击类型覆盖）
• 鉴伪评测基准与指标体系设计（鲁棒性、泛化性、可解释性）
• 推动算法在实际场景中的部署与性能优化（实时/离线、多端协同）

1. 跟踪国际前沿研究与竞赛，参与或组织相关评测与技术对标，持续提升技术领先性。
2. 硕士及以上学历，人工智能、计算机、信号处理、电子工程、自动化等相关专业，具备扎实的数学与机器学习基础；
3. 熟悉至少一个方向的技术原理与实践：

• 语音信号处理（如声学特征、频谱分析、说话人建模）
• 计算机视觉（如图像/视频表征、时空建模）
• 深度学习模型（CNN / Transformer / 自监督预训练等）

1. 理解深度伪造（Deepfake）或生成模型相关技术，包括：

• 语音合成（TTS）、语音转换（VC）或音频生成模型
• 图像/视频生成（GAN、Diffusion等）
• 常见伪造检测方法与攻击方式

1. 具备以下经验者优先：

• 有语音鉴伪、声纹反欺诈或多媒体取证相关经验
• 有多模态建模或跨模态学习经验
• 参与过鉴伪相关竞赛或benchmark（如ASVspoof等）
• 有复杂场景鲁棒性建模经验（压缩、噪声、设备差异等）

1. 具备良好的英文文献阅读能力，能够进行前沿技术调研与分析；
2. 具备PyTorch / TensorFlow等深度学习框架实践经验，有论文发表、开源项目或竞赛经验者优先。

三、加分项

• 在INTERSPEECH、ICASSP、CVPR、ICCV、NeurIPS等会议/期刊有相关研究成果
• 在深度伪造检测、音视频理解或生成模型方向有系统性研究积累
• 有大规模数据构建或实际业务落地经验（如安防、内容安全、取证等）