职位描述
1. 负责视觉语言大模型（VLM）面向具身 / 人形机器人场景的算法设计、训练与迭代落地，将 VLM 能力应用于机器人环境感知、智能操作、人机交互等任务，打造能够理解物理世界并执行动作的视觉智能体。
2. 主导 VLM 后训练全链路研发，包括 SFT、偏好对齐、强化学习对齐（RLHF/PPO/GRPO 等）、奖励模型设计，从视觉理解、空间感知、指令跟随、物理常识等维度持续提升基座模型能力，搭建工业化后训练管线。
3. 攻坚 VLM 底层视觉感知能力，优化细粒度识别、空间理解、时序感知，探索 Visual Agent 等技术路线，提升模型对真实物理场景的推理与规划能力。
4. 参与 VLM 模型预训练、后训练、推理部署全流程工作，对接机器人硬件、机器人平台团队，完成模型在真实机器人系统上的适配、性能调优与高效部署，支撑机器人在复杂环境下的感知决策与行为生成。
5. 构建面向具身场景的数据飞轮与线上迭代闭环，建设 Badcase 监控、评估、数据回流体系，持续基于真实交互反馈迭代模型。
6. 探索多模态智能体融合方案，结合大模型推理、规划能力，打造面向具身任务的多模态生成与决策引擎，支撑长期可迭代的机器人智能系统建设。任职要求
1. 计算机、人工智能、自动化、模式识别等相关专业，硕士及以上学历。
2. 扎实的深度学习基础，精通 Transformer 架构，熟悉 ViT、CLIP、BLIP 等主流视觉语言模型，深刻理解 LLM/VLM 训练、对齐的核心原理。
3. 有 VLM/Omni 训练、SFT、偏好对齐、RLHF/GRPO/PPO、奖励模型相关项目经验；有多模态强化学习、具身智能、机器人视觉规划、Diffusion 生成模型相关背景优先。
4. 优秀的工程能力，熟练使用 Python、PyTorch；熟悉大规模分布式训练、推理框架（DeepSpeed、Megatron-LM、vLLM 等），有大参数量多模态模型训练 / 调优实战经验优先。
5. 良好的问题拆解能力，能够独立定位模型缺陷、设计评估方案，擅长从数据、奖励、算法侧系统性解决幻觉、指令遵循差、空间理解弱等问题。
6. 优秀的沟通协作能力，能够和硬件、机器人平台、工程团队紧密配合，完成算法从原型到真实机器人场景落地；具备较强自驱力，持续跟进领域前沿。
加分项
1. 有 VLM、具身智能、机器人视觉相关高质量顶会论文（NeurIPS/ICLR/ICML 等），或 HuggingFace 等开源社区高影响力项目贡献。
2. 主导或核心参与过多模态后训练、奖励建模、智能体 / Agent 系统相关实习、科研项目。
3. 有 Omni 统一多模态模型完整训练、推理部署实战经验优先，熟悉流式时序建模方案，清楚 Omni 模型的能力边界与现存短板。
4. 有机器人平台部署、模型端侧 / 边缘推理优化、真实机器人上算法落地经验。
5. 计算机 / 数学相关竞赛奖项、知名实验室相关实习。
