岗位职责
- 负责具身基座模型（VLA、WAM）的工程化落地，包括预训练、模型微调、后训练优化以及实际效果调优；
- 参与基于多模态大模型的机器决策控制工程化工作，包括训练框架搭建、数据集处理、推理加速，以及在真机上的部署与测试；
- 优化大模型的训练效率以及资源利用率，熟练运用诸如模型并行、Flash Attention、LoRA等技术；
- 负责云端数据处理以及分布式训练落地，优化大模型的多模态任务处理能力；
- 跟进多模态大模型与具身智能的前沿应用进展，负责模型在机器人场景的部署与技术转化。
职位要求
- 熟练掌握大语言模型及多模态大模型的训练和优化方法，精通主流深度学习框架 PyTorch，熟悉 TensorRT 、RTC等推理加速与端侧部署技术，熟练掌握 Python 或 C++ 至少一种编程语言；一种编程语言；
- 具备过硬的工程能力，能够独立完成特定任务开发，重视代码质量，精通调试和代码优化；
- 具备大规模多机多卡分布式训练和高效微调（如 LoRA、低资源训练）技术落地经验，能够显著提升训练效率与工程实用性；
- 具备云端算力管理和多模态任务优化能力，对高效工程实现和模型结果追求卓越；
- 有机器人相关项目经验，熟悉在实际工业场景中实现机器学习算法部署；
- 具备扎实的工程能力，能高效实现模型工程化迭代，优先考虑具备液压控制或工程机械行业实践经验者；
- 有较强的创新意识，具有模仿学习或强化学习工程化实现经验者（如 PI
- DP、Offline RL、Dagger）为佳。
