舞肌科技-具身大模型强化学习算法工程师

企业简介：

点击查看舞肌科技专属图文介绍

舞肌科技有限公司成立于2019年3月，是一家专注于高扭矩密度电机和高自由度灵巧手研发的创新型科技企业。公司凭借底层技术突破和全链条自主能力，在机器人核心零部件领域占据领先地位，并已获得红杉资本、真格基金、明势资本、逐际动力（具身机器人公司）等知名机构的近亿元融资。

你将负责：

1. 构建具身智能大模型的【奖励函数设计与RLHF系统架构】，推动语言模型与机器人策略的协同进化

2. 研发面向多模态输入的RLHF算法，实现【视觉-语言-动作】跨模态表征对齐与策略优化

3. 搭建支持千亿参数模型的分布式RLHF训练框架，攻克长序列决策中的奖励建模难题

4. 探索大模型先验知识迁移技术，加速机器人策略在真实场景中的Zero-Shot泛化能力

5. 跟踪NeurIPS/ICML/ICLR等顶会前沿，开展LLM for Robotics的创新算法研究

我们需要你

【必须项】

1. 硕士及以上学历，CS/AI/NLP相关专业，1年以上大语言模型RLHF实战经验

2. 精通PPO等RLHF核心算法，熟悉TRL/DeepSpeed等训练框架，有HuggingFace生态开发经验

3. 具备以下【至少一个】方向的实战经历：

a. 千亿级大模型的RLHF全流程开发（SFT->奖励建模->强化训练）

b. 复杂对话/推理任务的奖励函数设计与对抗采样策略

c. 多模态RLHF系统开发（视觉-语言联合建模）

4. 扎实的序列决策理论基础，熟悉Bandit/Batch RL/Offline RL等技术路线

5. 工程能力突出：主导过百卡级规模的分布式RLHF训练任务

【加分项】（按优先级排序）

1. 有千亿参数模型RLHF训练或MoE架构调优经验

2. 开发过视觉-语言联合的RLHF系统（如VLA模型对齐）

3. 发表过ACL/EMNLP/NeurIPS/ICLR/ICML等顶会论文

4. 熟悉机器人学基础概念或具身智能研究进展

5. 具备Sim2Real技术栈经验（如domain randomization）

我们期待你

1. 对LLM与具身智能的融合有深刻洞见，能设计新型的Embodied RLHF范式

2. 具备跨模态建模能力：能将语言指令、视觉观察转化为可优化的策略目标

3. 掌握大模型轻量化技术，能在计算约束下实现策略部署

4. 对"AI大脑+机器人身体"的技术路线有强烈热情，愿意跨界学习机器人知识

5. 擅长与机器人专家协作，能将语言模型的认知能力注入物理交互策略