职位描述1. 训练框架研发与效率优化 - 设计与迭代具身智能训练研发框架，构建统一的训练、评测与真机实验全流程。 - 优化模型训练与推理性能，持续提升 GPU 集群利用效率与研发效率。 - 深入理解 VLA、IL、RL、模仿学习、自监督学习等核心算法，并基于算法特性进行系统级优化。 - 负责数据加载、分布式训练、在线真机强化学习等模块的性能瓶颈分析与优化。 - 参与自动化模型迭代体系建设（训练监控、日志采集、模型评估、可视化分析等）。 - 与算法团队紧密合作，将算法需求工具化、模块化、可扩展化，推动端到端模型研发流程高效演进。 2. 开源具身智能工具链建设 - 参与具身智能相关开源工具链的设计、研发与生态建设。 - 基于自研训练框架，支持社区开源模型的训练、微调、算法复现与能力验证。 - 构建高可复现的训练与评测体系，沉淀行业标准化工具与最佳实践。 - 与外部开发者深度协作，共建具身智能方向的可持续开源生态。任职要求- 具备扎实的 Python/C++ 编程能力，熟悉底层实现原理，具备优秀的性能调优能力。 - 具有良好的工程意识、代码规范与系统化设计思维，能构建高可靠、高扩展性的训练组件。 - 熟悉主流深度学习框架（PyTorch / JAX / Transformers / DeepSpeed / Megatron 等），理解其内部机制与关键抽象。 - 对强化学习（RL）、模仿学习（IL）、行为克隆（BC）、自监督学习（SSL）或多模态模型（VLA） 有理解或实战经验之一者优先。 - 熟练掌握 profiling、量化、蒸馏、混合并行、缓存优化等 模型训练与推理加速技术，能够基于算法与系统特性共同优化性能。 - 对训练框架有深入理解，具备从零到一 构建、优化、交付 系统的经验者优先。 - 熟悉分布式训练架构，包括数据并行、模型并行、流水线并行等，能够根据算法需求设计合适的并行策略。
