岗位职责
具身基座模型 (Embodied Foundation Models)： 研发下一代VLA/WAM大模型，突破多模态指令到精准动作映射的瓶颈，实现跨场景的零样本迁移能力； 世界模型 (World Models)： 构建基于大规模视频生成的物理世界模拟器，利用生成式AI预测场景演化，为具身智能提供无限的训练“想象空间”； 大模型后训练与强化学习 ： 探索GRPO、PPO、SAC等算法在多模态大模型、具身控制上的应用，通过大规模强化学习提升Agent在复杂时空环境下的决策边界； 大规模数据合成与闭环： 利用高德独有的时空数据优势，构建自动化的具身数据生产、评测管线，解决Scaling Law在具身领域的落地难题； 开源影响力与行业基准： 主导或深度参与具身智能开源项目建设。 我们鼓励将核心算法框架、高质量具身数据集或评估基准贡献给开源社区，打造具有行业号召力的开源作品，定义下一代具身智能的技术标准。
职位要求
学历与专业背景：硕士及以上学历。 项目经历（满足其一）： •主导过 VLA/VLM/WAM 至少一个方向从 0 到 1 的模型研发，并完成千卡级以上预训练 + 端到端落地 •主导过世界模型 / 世界动作模型 / 视频生成方向有显著影响力的项目（开源数据集、可复现 Benchmark、顶会 oral/spotlight） •主导过大规模 RL 训练（PPO/GRPO/SAC），完成 Sim-to-Real 闭环验证或真机部署 专业技能： •L3 级具身智能算法能力：能独立设计 VLA / WAM 架构，主导预训练数据配比、后训练 RL 策略与 Reward Model 设计 •训练工程能力：熟练使用 Megatron / DeepSpeed / FSDP，具备分布式训练性能调优与故障自恢复能力 •数据闭环设计能力：能基于高德时空数据资源设计自动化具身数据生产、清洗与评测管线，解决具身领域 Scaling Law 落地难题 •跨模态系统认知：理解从感知—世界模型—决策—动作的完整闭环，能识别瓶颈环节并定位优化路径 要求： •AI Native 思维：对 Scaling Law 有信仰，能把工程实践与前沿研究有机结合 •无人区作战能力：敢于在缺乏成熟方案的方向独立推进算法实验，具备极客精神与战略定力 •开源影响力意识：能把工作沉淀为可被行业采纳的标准、数据集或 Benchmark •跨团队协同力：能与产品、地图、自动驾驶、基础架构等多方深度协作，把模型推向真实业务
