大模型算法工程师（VLA/世界模型）

【你将负责】

• 定义与迭代模型结构：围绕 VLM / VLA / 世界模型，设计可训练、可部署的模型架构（backbone、cross-attn、action head、memory/latent dynamics 等）。
• 端到端训练与实验闭环：数据配方、损失设计、训练策略（SFT/IL/BC、RL、diffusion/flow、multi-task、多模态对齐等），搭建对比实验、做消融、总结结论。
• 效果提升与落地验证：把结构/训练的改动落到评测与真实任务上，持续推动核心指标提升（成功率、泛化、鲁棒性、稳定性、延迟/算力）。
• 工程协作（偏算法侧）：与数据/仿真/机器人系统团队协作，完善训练数据与评测体系，保证实验可复现与迭代效率。

【我们希望你具备】

• 计算机视觉、多模态大模型等相关领域的硕士或博士
• 扎实的深度学习开发基础能力：精通Python编程语言，熟悉Pytorch、Jax等深度学习开发框架，了解分布式训练（DDP/FSDP/DeepSpeed/Megatron 等）与常用训练加速手段
• 一定的VLM / VLA / 世界模型实践经验（满足其一即可，越多越好）：

• VLM：具备VLM Pretrain、 SFT、后训练（PPO、DPO、GRPO等）相关经验；熟悉 Transformer 系列结构（attention、KV cache、MoE、LoRA/Adapter 等），理解训练稳定性与 scaling 规律。
• VLA：熟悉主流的VLA模型架构，如：OpenVLA、PI、GROOT等，有真机开发经验者优先
• 世界模型：具备latent dynamics、predictive coding、video/trajectory prediction、planning with world model相关开发经验

【加分项】

• 具备机器人真机开发经验者优先
• 有智驾/机器人背景加分：多传感器融合、轨迹预测/规划、仿真、控制、真实数据闭环等任一经验。

• 有公开发表/开源贡献（论文、代码、榜单、竞赛、复现报告）。
• 熟悉从数据到训练再到部署的完整链路（数据清洗、采样、评测基准、推理优化）。
• 对具身数据集、机器人仿真、真实机器人闭环采集有经验。