职位描述1. 负责具身基础模型的后训练与强化学习研发，持续提升机器人任务成功率、稳定性、执行节拍与泛化能力。 2. 研究如何利用机器人真实执行中的成功、失败、人工干预及环境反馈进行持续学习。 3. 构建高效、稳定、可扩展的 Offline / Online RL 与真机后训练体系。 4. 探索机器人经验的数据配方与 Scaling Law，研究交互规模与模型能力增长之间的关系。 5. 推动大规模真实机器人训练—执行—反馈—再训练闭环。任职要求1. 硕士及以上学历，计算机、机器人、自动化、人工智能等相关方向，具备扎实的数学 / 强化学习 / 深度学习基础和良好的代码能力。 2. 熟悉强化学习，对 Offline / Online RL 等方向有较深入理解。 3. 具备较强的实验能力，能够独立推进算法设计、训练和真实系统验证。 4. 有 VLA 后训练、真机强化学习、分布式强化学习 或 多模态模型后训练经验者优先。 5. 有高质量论文、开源项目或同等研究 / 工程成果者优先（NeurIPS/ICLR/CoRL/RSS/ICRA/IROS 等）。
