职位描述你将参与 MiniMax 面向具身智能的「大脑」研发，让模型从图像、视频和语言中理解空间关系与状态变化，将用户目标拆解为可执行的步骤，并根据环境反馈调整计划。现阶段，研究与验证主要在数字环境中开展。 1. 研发面向具身任务的多模态大模型，提升模型在空间理解、时序推理、状态跟踪和环境变化预测等方面的能力。 2. 探索长程任务中的目标理解、任务分解、行动规划与反馈纠错，让模型能根据执行结果更新对环境的判断，并在遇到失败或环境变化时重新规划。 3. 参与多模态数据构建与模型训练，围绕图像、视频、语言及交互轨迹设计数据配方和训练任务，探索监督微调、强化学习等方法。 4. 搭建可复现的具身能力评测，覆盖空间推理、长程任务完成率、失败恢复和跨场景泛化。结合对照实验和失败案例，推动数据、训练策略与模型迭代。任职要求1. 具备扎实的机器学习和深度学习基础，熟悉 Python、PyTorch，能独立完成论文复现、模型训练、实验分析和问题定位。 2. 在具身智能、机器人学习、视觉语言动作模型（VLA）、世界模型、视觉语言导航或多模态空间推理等至少一个方向有深入的研究或工程实践，能讲清楚项目中的关键技术选择和实验结果。 3. 熟悉大模型或多模态模型的训练与评测，在预训练、后训练、强化学习、模仿学习或多模态数据构建中至少有一项实践经验。 4. 具备良好的研究判断和工程能力，能把开放问题转化为可验证的假设，并通过数据、实验和评测推进解决。
