VLA算法实习生

负责面向自动驾驶与机器人场景，探索融合视频生成与动作预测的VLA模型架构设计，提升模型在零样本场景下的任务泛化、长程决策与执行能力。

负责规模化训练与数据构建：融合互联网图文、视频、3D、仿真及真机轨迹等多源数据，参与训练目标设计、分布式训练与数据配方优化，探索模型与数据的规模化规律。

负责算法验证与落地：结合强化学习研发端到端导航与具身 Agent 算法，构建仿真及真机闭环评测流程，跟踪复现前沿研究，协同训练、推理、数据与硬件团队推动算法落地。

持续跟进具身世界模型的前沿研究，探索视觉与动作编码、多模态表征学习及离散/连续 Tokenizer 等关键技术，构建能够建模物理世界时空动力学的世界模型，为机器人理解、导航、操作与规划提供预测与推演支持。

计算机视觉、机器学习、机器人、人工智能等相关专业硕士或博士在读，每周全职5天实习，有转正机会，28年毕业优先，实习6个月以上优先。

在 VLM、多模态大模型、视觉语言导航、Embodied Agent、强化学习或世界模型任一方向具备扎实基础，有相关研究或项目经历。

熟练使用 Python、PyTorch，熟悉 Transformer、Diffusion 及 CLIP、SigLIP、Qwen-VL 等模型架构，能够独立完成论文复现、模型训练与实验分析，具有分布式训练、大规模多模态数据处理、机器人仿真或真机部署经验者优先；在 CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、ACL、RSS、CoRL、ICRA、IROS 等会议发表相关论文者优先。

具有 VLA Scaling、VLA RL、VLA Data 或 Agentic RL 相关研究或实践经验者优先。

具备良好的系统思维、自驱力与协作能力，能够围绕具体研究问题提出假设、设计实验并验证结果，对推动具身智能在真实物理世界中落地有持续热情。