算法实习生（具身智能 / VLA 模型后训练与落地）

【团队与业务介绍】 我们致力于推动具身智能与视觉-语言-动作（VLA）模型在真实世界的落地。团队拥有丰富的多元业务场景，覆盖工业精密装配、桌面通用操作、柔性物料处理等核心赛道。在这里，你将深度参与 VLA 模型从“真实数据采集 ➔ 算法迭代训练 ➔ 真机落地验证”的采、训、推全链路流程，探索交互式模仿学习与人类反馈强化学习（RLHF）在真实机器人场景中的前沿应用，直击并解决真实业务中的泛化性与稳定性痛点。 【核心职责】

1. VLA 模型后训练与微调 (SFT)：针对真实业务场景，设计并实现 VLA 模型的多阶段后训练流程。优化数据处理与监督微调（SFT）策略，完成新算法范式的适配与性能验证，输出可复现的基准评测结果。
2. 交互式模仿学习与数据工程：调研并复现 DAgger、Recap DAgger 等数据集聚合算法，解决行为克隆的分布偏移问题；主导大规模机器人数据集的采集、清洗、标注与管理，构建高质量的多模态数据 Pipeline。
3. 分布式强化学习 (RL) 落地：基于 RLinf 等分布式强化学习后端，搭建 PPO 等策略优化算法的训练管线，打通从 SFT 模型到 RL 后训练（RLHF/RLAIF）的端到端流程，实现真实数据分布对齐。
4. 前沿技术探索与真机验证：持续跟踪顶会（CoRL, RSS, ICRA, IROS 等）具身智能后训练最新进展，完成技术调研与算法复现；将前沿算法落地到真实业务场景，并支持高质量 Paper 的发表。

【任职要求】 必备条件：

1. 学历背景：在读硕士 / 博士研究生，计算机、人工智能、自动化、机器人等相关专业。
2. 理论基础：扎实的深度学习基础，深入理解 Transformer 架构、多模态融合、模仿学习（IL）与强化学习（RL）基本原理。
3. 工程能力：熟练使用 Python 与 PyTorch，具备独立完成模型训练、分布式实验与调优的工程能力，拥有良好的 AI Coding 规范。
4. 综合素质：具备优秀的英文文献阅读能力，逻辑清晰，有较强的问题分析与闭环解决能力。
5. 实习要求：能保证每周 4 天及以上 实习时间，实习周期不少于 6 个月。