具身基础模型算法专家

优缺点分析

角色解读

• 在京东探索研究院深耕具身智能前沿技术，成为该领域的算法专家或技术带头人
• 横向拓展至机器人产业落地，从算法研究转向产品化，担任技术负责人或首席科学家
• 积累世界模型、多模态融合等核心能力，向AI for Robotics、通用人工智能（AGI）方向演进
• 研究和设计面向机器人感知、决策与控制的具身多模态大模型架构，如世界模型、具身规划等
• 构建并迭代面向机器人操控、导航等任务的专用模型基座，包括数据采集、预训练、微调等全流程
• 将模型部署到真实机器人或高保真仿真环境，实现“通用机器人大脑”的核心认知模块
• 优化模型在端侧机器人平台上的推理效率，探索高效注意力、模型压缩等技术
• 扎实的多模态大模型算法基础，熟悉LLaVA、QwenVL、ViT、Diffusion等主流架构
• 深入理解NLP和CV领域基础模型，如BERT、GPT、LLaMA、ViT、DINO、SAM等
• 具备大模型预训练/后训练/微调经验，了解RLHF、思维链等技术
• 有机器人相关背景或对具身智能有浓厚兴趣，熟悉仿真环境部署

申请策略

• 在求职信中表达对具身智能和京东应用场景（如物流机器人）的理解与热情
• 提前了解京东探索研究院的研究方向和近期的论文/技术报告，面试中展现匹配度
• 突出在多模态大模型预训练/微调方面的项目经验，尤其是LLaVA、QwenVL等具体模型
• 展示在机器人或仿真环境中的部署案例，如利用真机或Gazebo等平台实现的任务
• 强调发表的顶会论文或开源贡献，体现研究深度和影响力
• 如有模型压缩、知识蒸馏等优化经验，务必详细说明
• 补充机器人学基础知识，如运动规划、控制理论，可通过Coursera或经典教材快速入门
• 熟悉至少一种机器人仿真平台（如Isaac Sim、MuJoCo），并动手复现一篇世界模型论文

面试指南

• STAR法则：描述项目背景、任务、行动和结果，突出技术选型和落地价值
• 对比分析：当被问及不同方法时，先阐述各自原理，再结合具体场景指出优缺点，最后给出个人倾向
• 工程思维：对于部署类问题，从模型、硬件、算法优化三个层面给出系统化方案，体现全栈视角
• 请详细介绍一下你参与过的多模态大模型项目，包括模型架构、训练策略和最终效果
• 如何设计一个面向机器人抓取任务的视觉-语言模型？请从数据、模型、训练等角度阐述
• 大模型在端侧部署有哪些挑战？你了解哪些模型压缩和加速技术？
• 世界模型在具身智能中的作用是什么？如何评价当前主流的世界模型方法？
• 你如何看待RLHF在机器人学习中的应用？与预训练微调相比优势在哪里？