锦鲤求职岗位描述
岗位职责
面向社会生产生活中的真实业务场景，负责具身大模型的后训练与场景化落地，依托公司在智能驾驶及通用物理AI领域积累的数据闭环与量产工程能力，把模型能力转化为真实机器人平台上可交付的任务能力。
1、面向真实业务场景的任务需求，基于 VLA 等多模态大模型完成后训练与任务适配，包括 SFT、RLHF/DPO、偏好优化、失败样本学习等，持续提升目标任务成功率与跨场景泛化能力；
2、制定数据采集与标注策略，建设覆盖真机执行、遥操作、人工接管、成功/失败样本的数据管线，从失败案例中定位数据与模型问题，驱动模型持续迭代；
3、基于回传的defect数据搭建仿真场景，生成多样化训练数据，针对失败案例精准增强模型能力；
4、负责模型在多类型机器人本体（轮式/轮足移动平台、机械臂等）上的真机适配、部署与调试，处理真实环境中的延迟、噪声、遮挡、执行偏差等问题，将算法能力推进到可交付状态；
5、与产品、硬件、软件、数据团队协作推进场景交付，沉淀可复用的后训练与落地方法论，支撑跨场景、跨本体的快速复制。
岗位要求
1、计算机科学、人工智能、机器人、自动化等相关专业硕士及以上学历；
2、熟悉 SFT、RLHF/DPO 等后训练技术，或熟悉基于 Flow Matching/Diffusion 的动作生成、行为克隆等策略学习方法，理解 VLA/VLM/WAM 等算法的基本原理；
3、扎实的工程能力：熟练掌握 Python/PyTorch，能独立完成从数据准备、模型训练到真机验证的全流程，具备实验设计与问题定位能力；
4、熟悉真机数据与真实系统特点（传感器噪声、控制延迟、执行偏差、环境变化等），具备较强的跨团队协作与推进能力。
加分项：
1、有具身端到端模型后训练并完成真机落地的完整项目经验；
2、有机器人操作（抓取、装配、分拣等）或移动操作任务的真机场景落地经验；
3、有仿真场景搭建、训练数据合成、sim-to-real gap应对解决的经验；
4、熟悉传统的规划控制算法，有实际的机器人规划控制经验；
5、有自动驾驶端到端模型或具身智能端侧模型部署的实际项目经验；
6、在 AI 顶会或顶刊上有论文发表，或有机器人/AI 相关比赛获奖经历。