职位描述
1.负责具身多模态大模型的数据闭环建设：设计并落地从数据清洗、标注、筛选、验证到入库的数据处理体系，统一团队内数据标准，构建可复用的数据pipeline，支撑模型持续迭代。
2.负责模型侧的数据蒸馏与数据质量优化：设计高质量数据蒸馏方案（包括teacher-student、轨迹筛选、reward-based filtering等）构建数据质量评估指标体系（成功率、可学习性、多样性等）持续提升训练数据质量，支撑基模能力提升
3.负责具身智能大模型的训练与迭代优化：参与VLA（Vision-Language-Action）模型训练（预训练 / SFT / RL / imitation learning）优化训练策略（loss设计、数据配比、multi-task学习等）分析训练问题（如策略偏移、过拟合、动作退化等）
4.建立模型训练与数据的闭环机制：打通“数据 → 训练 → 评估 → 数据再生成”的闭环流程基于模型表现反向优化数据分布与采样策略支持真实机器人/仿真环境中的模型验证与问题定位推动数据与模型在真实场景中的落地任职要求
1. 必备要求：
具备具身智能 / 多模态大模型训练经验（VLA、机器人学习、模仿学习等）熟悉深度学习训练流程（PyTorch等），有完整训练项目经验具备数据处理经验
能够独立设计数据清洗、筛选、验证流程理解数据对模型性能的影响机制（数据分布、偏差、噪声等）熟悉常见训练范式：imitation learning 、offline RL / RLHF等
2. 数据与工程能力
熟悉大规模数据处理（Python / NumPy / Pandas / Spark等）
有数据pipeline或dataset构建经验（数据版本管理、数据格式规范等）
具备一定的数据分析能力，能够通过数据定位模型问题熟悉常见数据格式（视频、轨迹、点云、bbox等）
3. 加分项（优先考虑）
有数据蒸馏或数据筛选相关经验（self-training、filtering、reward model等）
有真实机器人或仿真平台经验（如Isaac Gym / Mujoco等）有大规模训练经验（分布式训练、混合精度、加速优化等）
熟悉3D视觉、深度信息（depth）、多视角融合等
4. 通用能力要求
良好的工程能力和代码规范
具备较强的问题分析与解决能力
具备跨团队协作能力，能推动数据与模型规范落地
对具身智能方向有持续关注和研究兴趣
立即投递
