海尔
算法专家
算法专家
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Sim2Real
Tensorrt
具身智能
多模态学习
大模型微调
数据管线
模型压缩
值不值得投
78综合评分
综合评分 78
前沿具身智能技术、高薪稳定平台、高强度技术攻坚、WLB一般
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比AI算法中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 630 个在招
市场机会
选择面较广
上海 · AI算法 · 约 130 个在招
职位详情
关于这个职位
负责具身智能场景下的大模型后训练（SFT/DPO）与垂类小模型开发，解决长尾泛化与端侧部署难题
搭建全流程数据管线与实验管理体系，推动前沿技术从预研到产品落地的转化，并指导团队提升工程化能力
最低要求
硕士及以上学历，具有大模型训练实操经验（后训练/微调全流程，多卡分布式训练、显存与吞吐优化、故障恢复）
具身智能/机器人或多模态方向的项目落地经验，理解真实场景与 benchmark 的差距来源
扎实工程能力（Python/C++、Linux、数据与训练流水线），能自己把管线跑起来而非只提需求
有从 0 搭建数据规范或训练体系的经验，具备标准制定与跨团队推动能力
端侧部署与推理优化经验（量化/蒸馏/TensorRT、Jetson 平台）
仿真数据生成与 Sim2Real 经验（Isaac Sim 等）
工作职责
场景大模型后训练与微调
负责 VLA / 多模态大模型在目标场景的后训练：SFT、指令微调、对齐（DPO/RLHF 类）、LoRA/QLoRA 等参数高效微调方案选型与实施
必要时进行一定程度的模型预训练改造：领域语料与多模态对齐数据配比、继续预训练（CPT）方案设计、模型结构与 tokenizer/输入适配的必要修改
建立训练配方（数据配比、超参、课程学习）与实验管理规范，保证每次训练可复现、可归因、可回滚
场景垂类小模型训练
针对细分场景训练轻量化专用模型（感知检测/分割、位姿估计、轨迹规划、抓取策略、异常检测等），解决大模型在细分场景长尾泛化不足、推理延迟与算力受限的问题
负责模型压缩与工程化落地：量化、剪枝、蒸馏、推理优化，配合软件平台完成端侧（Jetson 级）部署与现场性能达标
明确"大模型 / 小模型 / 传统算法"的分工边界与调用架构，避免能力重叠与重复投入
前沿算法探索与场景落地
跟踪具身智能、多模态、模仿学习/强化学习、仿真到现实（Sim2Real）等前沿方向，做有边界的技术预研：每个探索项必须有明确验证目标、时间盒与落地判定标准
负责把论文/开源成果转化为可交付能力：可行性评估 → POC → 场景验证 → 进入产品线，对"探索投入的转化率"负责
数据管线与全流程管理体系
建立数采—标注—清洗—优化—训练—评测—回灌全流程的规范、标准与工具体系：采集规范与标签体系、标注规范与质检仲裁、清洗与增强算子、数据集版本与血缘、训练数据准入门槛
主导数据回流管线架构：现场端侧回传、数据湖入库校验、元数据与血缘、数据集与实验管理，保证"现场每条失败案例能在约定时效内变成可训练样本并回到评测"
定义数据质量指标与成本模型，管控标注外包与存储/算力成本
对客户现场数据的脱敏、授权与合规边界负责
跨团队协同与团队建设
向FDE团队输出采集与回传规范，向软件平台提出数据与模型服务的工程化需求
指导、带教算法、数据工程师，评审和优化其技术方案
AI 洞察
优缺点分析
优点
- 依托海尔平台，拥有真实的工业/家庭场景数据和丰富的落地机会
- 岗位强调全流程掌控，能从数据到部署全面积累硬核工程能力
- 数据管线建设从零开始，需处理大量脏数据清洗与标注规范制定，工作繁琐
- 适合具备深厚AI理论基础且工程落地能力强，对具身智能充满热情，能接受高强度技术攻坚的资深算法专家
缺点 / 挑战
- 处于具身智能与大模型结合的前沿赛道，技术挑战性与行业前景广阔
- 需同时兼顾大模型微调与小模型端侧部署，技术栈跨度大，精力分散风险高
- 前沿技术预研存在不确定性，需平衡创新探索与产品落地转化的压力
角色解读
- 成为具身智能与大模型交叉领域的顶尖技术专家，主导核心算法架构设计
- 向技术管理方向发展，带领算法团队建立标准化的研发体系与数据规范
- 深入业务层，成为连接算法技术与产品落地的桥梁，推动技术创新商业化
- 负责VLA等多模态大模型的后训练、微调和对齐，优化模型在特定场景的表现
- 训练轻量化垂类小模型并进行端侧部署，解决推理延迟和算力限制问题
- 搭建从数据采集、标注到训练、评测的全流程数据管线和实验管理体系
- 跟踪具身智能前沿技术，推动从预研到产品线的成果转化
- 精通大模型训练全流程，包括SFT、DPO/RLHF及分布式训练优化
- 具备扎实的工程能力，熟练使用Python/C++，能独立搭建数据与训练流水线
- 掌握模型压缩与推理加速技术（量化、剪枝、TensorRT等）及端侧部署经验
- 熟悉具身智能、Sim2Real及多模态学习，有相关项目落地经验
申请策略
- 准备1-2个完整的项目案例，涵盖从数据收集、模型训练到端侧部署的全流程
- 关注海尔在智能家居和工业互联网的最新动态，展现对业务场景的理解
- 突出大模型微调（SFT/DPO）的具体案例，展示模型效果提升数据
- 强调端侧部署经验，列出优化的模型大小、推理速度提升比例及使用的工具链
- 展示数据管线搭建能力，说明如何制定标准、提升数据质量及降低成本
- 深入学习VLA（视觉-语言-动作）模型架构及最新对齐技术
- 加强TensorRT、ONNX Runtime等推理框架的底层优化技巧
- 了解Isaac Sim等仿真平台的使用，提升Sim2Real迁移学习能力
面试指南
- STAR法则：情境-任务-行动-结果，重点突出个人在关键技术节点上的决策与贡献
- 数据驱动：用具体的性能指标（如准确率、延迟、吞吐量）证明技术效果
- 系统思维：展示从单点技术突破到整体系统优化的全局视角
- 请详细描述你在大模型后训练中的难点及解决方案，特别是显存优化方面
- 如何在资源受限的端侧设备上实现多模态模型的实时推理？
- 面对海量非结构化数据，你如何设计高效的数据清洗和标注体系？
- Sim2Real迁移中常见的域差异问题有哪些，你是如何解决泛化性的？
- 如何评估前沿算法预研的价值，并推动其进入产品线？
职位点评
薪资福利85
成长发展95
工作生活45
使命价值75
薪资福利
85较高
作为上市巨头企业的核心研发岗位，提供具有竞争力的薪酬和稳定的职业发展平台，福利体系完善。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
95较高
岗位涉及大模型、具身智能等最前沿技术领域，且要求从0搭建体系，技能成长空间极大。
技术前沿前沿/新兴技术
技术栈VLA、多模态大模型、SFT、DPO、RLHF、LoRA、Sim2Real、TensorRT、Jetson
业务类型profit_center
工作生活
45较低
研发岗位通常面临较高的工作压力，且需处理复杂的数据管线和现场部署问题，WLB可能一般。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
75中等
通过具身智能技术改善人类生活和工作方式，具有明确的社会价值和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
海尔 的其他在招职位
相似职位推荐
Quantitative Trading & Research - AI Scientist, Quantitative Research - Associate/ Vice President
摩根大通 · Central and Western, Hong Kong Island, Hong Kong, HK
AI 估算 · 8.0–15.0万2 小时前发布
AI工程師
纬创资通 · 高雄市
AI 估算 · 4.5–7.5万14 小时前发布
2027 Markets Quantitative Trading & Research Associate Program – Off-Cycle Internship - Hong Kong
摩根大通 · 香港特别行政区
AI 估算 · 2.5–4.0万15 小时前发布
Quantitative Trading & Research - Quantitative Developer - Associate
摩根大通 · Central and Western, Hong Kong Island, Hong Kong, HK
AI 估算 · 4.5–8.0万15 小时前发布
大模型算法专家（贷后服务方向）
美团 · 上海市
AI 估算 · 4.0–7.0万23 小时前发布
AI全栈开发工程师
联想 · 北京市
AI 估算 · 4.0–7.0万23 小时前发布
多模态大模型量化研究专家-【可灵AI】
快手 · 北京市
AI 估算 · 6.0–12.0万23 小时前发布
AI Migration Engineer
汇丰 · 广州市
AI 估算 · 2.5–4.5万23 小时前发布
Watch Jobs