虹软科技
27届校招提前批-具身智能（机器人）大脑算法工程师
27届校招提前批-具身智能（机器人）大脑算法工程师
发布于 大约 17 小时前普通员工/个人贡献者
杭州市
无经验要求
全职员工
仅现场办公
硕士
研究与开发 (研发)
Llm
Pytorch
具身智能
机器人
真机部署
Deepspeed
Dpo
Fsdp
Rlhf
AI 估算 · 25k–40k
虹软上市大公司，杭州校招，AI算法岗薪资较高；加上具身智能赛道热门，硕士起薪25-40k合理。
职位详情
关于这个职位
该职位面向27届硕士及以上毕业生，主攻具身智能机器人大脑算法研发，包括VLA/VLM大模型设计、训练与部署，以及复杂任务规划与真机落地
你将参与前沿Scaling Law探索，推动机器人从仿真到真实场景的智能泛化
适合有深度学习、多模态背景，渴望在AI+机器人领域做出突破的同学
最低要求
计算机、人工智能、机器人等相关专业硕士及以上学历，具备扎实的深度学习与多模态理论基础
熟练掌握主流 LLM/VLM/VLA 架构，具备 Diffusion Policy、ACT 等具身大模型的实战开发与调优经验
精通 Python/C++ 及 PyTorch 框架，熟悉 DeepSpeed/FSDP 等分布式训练框架，掌握模型轻量化及边缘端推理加速技术
具备真实机器人真机部署经验，或在 AI/机器人领域顶级会议（CVPR/NeurIPS/ICRA/CoRL等）以第一作者发表过相关论文者优先
工作职责
核心模型研发：主导具身智能大模型（VLA/VLM/World Model等）的架构设计、预训练、微调及基于RLHF/DPO的对齐优化，提升机器人在开放场景下的认知与泛化能力
复杂任务规划：研发机器人的高阶认知能力，突破开放指令理解、长时序任务规划、多模态推理及动态行为决策等核心技术瓶颈
数据闭环与Scaling Law探索：构建大规模具身多模态数据集与自动化标注工具链，探索具身基础模型在机器人领域的Scaling Law与泛化边界
工程化与真机落地：推动大模型在边缘计算设备上的推理加速与真机部署，建立并完善“数据采集-仿真训练-真机部署-评测迭代”的完整工程闭环
AI 洞察
优缺点分析
优点
- 虹软作为上市大公司，平台稳定，资源丰富，能够提供真实机器人部署环境和数据支持
- 职位涉及具身智能前沿技术（VLA、World Model等），技术成长空间极大
- 校招提前批，竞争相对较小，且薪资待遇在行业中具有竞争力（硕士25-40k/月）
- 真机落地涉及软硬件协同调试，问题定位和解决难度大
- 适合深度学习基础扎实、热爱具身智能前沿技术、乐于动手解决真实机器人问题的应届硕士/博士
缺点 / 挑战
- 要求较高，需要同时具备大模型训练和真机部署经验，学习曲线陡峭
- 研究型工作可能面临论文发表压力，需要快速产出成果
角色解读
- 从算法工程师逐步成长为具身智能领域的技术专家，主导核心算法方向
- 可向技术管理方向发展，带领团队攻克机器人认知与决策的瓶颈问题
- 积累行业顶尖经验后，可转向创业或顶尖AI实验室，成为行业领军人物
- 设计并训练具身智能大模型（如VLA、VLM），提升机器人在复杂场景下的理解与决策能力
- 研发机器人的长时序任务规划与多模态推理能力，解决开放指令理解等核心难题
- 构建大规模多模态数据集、自动化标注工具链，并推动模型在真机上的推理加速与部署
- 参与完整工程闭环：数据采集→仿真训练→真机部署→评测迭代，确保算法从研究到落地
- 扎实的深度学习与多模态理论基础，精通LLM/VLM/VLA架构
- 熟练掌握Python/C++及PyTorch，熟悉DeepSpeed/FSDP等分布式训练框架
- 有具身大模型实战经验（如Diffusion Policy、ACT）或真机部署经验优先
- 具备模型轻量化、边缘端推理加速能力，熟悉RLHF/DPO等对齐技术
申请策略
- 提前了解虹软在机器人视觉和AI方面的业务布局，在面试中展现对公司和方向的理解
- 准备一个完整的项目介绍：从问题定义到模型设计、训练、部署的闭环经历
- 突出项目中LLM/VLM/VLA模型的实现细节，包括架构设计、训练技巧和性能指标
- 若有真机部署或ROS/仿真经验，务必详细描述
- 强调发表的顶会论文（CVPR/NeurIPS等）或开源贡献，体现研究能力
- 补充Diffusion Policy或ACT等具身大模型的实战代码练习，可参考开源项目
- 熟悉模型轻量化技术（如量化、剪枝）和边缘端推理框架（TensorRT、ONNX）
面试指南
- STAR法则：情境-任务-行动-结果，突出技术难点和个人贡献
- 结构化对比：从不同方法（如Diffusion Policy vs ACT）的原理、性能、适用场景对比分析
- 请详细讲解VLA模型的架构设计思路和各模块的作用
- 如何解决具身大模型训练中的数据稀缺和Scaling Law问题？
- 描述一次真机部署大模型的经历，遇到过哪些挑战及如何克服？
- RLHF/DPO在机器人决策对齐中的具体实现方法和优缺点？
- 复习LLM/VLM的核心论文，特别是具身智能方向（PaLM-E, RT-2, Octo等）
- 准备一个关于大规模分布式训练（DeepSpeed/FSDP）的实操案例
职位点评
75
综合评分
上市大厂、前沿技术栈（具身智能）、薪资优厚，但需高强度现场办公。
更适合这类人
适合极度重视技术成长和前沿研究的求职者，对生活节奏有一定容忍度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活50
使命价值70
薪资福利
85较高
上市大公司，薪资校招中上水平，福利较完善；但薪酬虽高，仍属市场水准范围内。
薪资信号面议 (25K-40K/月)
成长发展
95较高
职位涉及具身智能最前沿技术，成长性极强；校招培训体系完善，未来晋升路径明确。
技术前沿前沿/新兴技术
技术栈VLA、VLM、World Model、RLHF、Diffusion Policy、DeepSpeed
业务类型profit_center
工作生活
50较低
仅现场办公，地点杭州；AI算法岗工作强度较大，但未明确加班情况。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
具身智能是推动机器人产业化的关键领域，社会价值高；虹软科技深耕视觉，有一定行业影响力。
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
Watch Jobs