训练框架算法工程师（实习-上海）

1. 训练框架研发与效率优化 - 设计与迭代具身智能训练研发框架，构建统一的训练、评测与真机实验全流程。 - 优化模型训练与推理性能，持续提升 GPU 集群利用效率与研发效率。 - 深入理解 VLA、IL、RL、模仿学习、自监督学习等核心算法，并基于算法特性进行系统级优化。 - 负责数据加载、分布式训练、在线真机强化学习等模块的性能瓶颈分析与优化。 - 参与自动化模型迭代体系建设（训练监控、日志采集、模型评估、可视化分析等）。 - 与算法团队紧密合作，将 算法需求工具化、模块化、可扩展化，推动端到端模型研发流程高效演进。 2. 开源具身智能工具链建设 - 参与具身智能相关开源工具链的设计、研发与生态建设。 - 基于自研训练框架，支持社区开源模型的 训练、微调、算法复现与能力验证。 - 构建高可复现的训练与评测体系，沉淀行业标准化工具与最佳实践。 - 与外部开发者深度协作，共建具身智能方向的可持续开源生态。

- 计算机、自动化、机器人、AI 等相关专业硕士及以上，具备扎实的计算机基础。 - 熟悉 Python 或 C++，对深度学习框架（PyTorch / JAX）有基本使用经验。 - 具备良好的工程意识与代码习惯，愿意深入理解底层原理，而非仅停留在“调库层”。 - 对以下任一方向具备基础理解或强烈兴趣者优先： - 强化学习（RL）、模仿学习（IL）、行为克隆（BC） - 多模态模型（VLA）、大模型训练与推理优化 - 分布式训练、训练框架开发、具身智能 - 有课程/项目/比赛经验，能够展示其在训练链路、系统优化或算法复现方面的能力者优先。 【加分项】 - 有真机强化学习经验，或理解 sim2real 的挑战与解决思路。 - 熟悉 RoboSuite、ManiSkill、Isaac 等具身智能模拟器。 - 有大规模 GPU 集群训练经验，理解调度、吞吐、稳定性等系统级问题。 - 能阅读或复现机器学习/RL/VLA 顶会论文。 - 有模拟器或机器人相关项目经验。 - 对开源社区有兴趣，愿意参与具身智能开源工具链的建设。