模型后训练与在线学习工程师

负责具身模型和机器人策略模型的后训练、微调和性能优化。

负责机器人自主 Agent 的整体架构设计和核心模块实现。

负责训练数据采样、经验回放、策略更新和安全约束。

负责人工接管、失败恢复、纠错轨迹和成功轨迹的数据处理。

负责复杂任务的分解、技能调用、工具调用和任务状态管理。

设计并实现 SFT、行为克隆、DAgger、偏好优化、强化学习和 test-time training。

设计正负样本、困难样本、失败分支和恢复分支的数据配比。

研究机器人在不同构型、动力学、负载和环境条件下的快速适配。

建立训练、评测、模型对比和回归验证流程。

建立 Agent trace、运行日志、任务状态和故障记录体系。

分析模型训练中的负向迁移、灾难性遗忘和任务间干扰。

与 Data Engine、Agent、WAM、Cloud 和 Infra 团队协作实现闭环

计算机、机器学习、机器人或相关专业硕士及以上学历。

熟悉监督微调、行为克隆、强化学习、模仿学习、元学习或在线优化。

熟悉 DAgger、RLHF、DPO、PPO、SFT、LoRA 或相关后训练方法。

熟悉 PyTorch、分布式训练、数据加载和实验追踪。

具有 LLM Agent、机器人任务规划、多模态模型或自主系统研发经验。

理解 robot dynamics、partial observability、exploration 和 safety constraint。

具备较强的数据分析、模型诊断和实验设计能力。

能够独立完成训练 recipe 设计、实验迭代和真机验证。 加分项

有真实机器人 post-training、online learning 或 test-time adaptation 经验。

有 ENPIRE 类 rollout—inspect—modify—rerun 经验。

有具身基础模型、VLA、WAM 或多模态大模型经验。

有 in-context learning、context adaptation 或 failure recovery 研究成果。

有安全强化学习、策略回滚或在线模型更新经验