智谱
具身智能后训练算法实习生
具身智能后训练算法实习生
发布于 1 小时前实习/见习
实习生仅现场办公具身智能
具身智能
Vla
Vlm
世界模型
具身智能
大模型
强化学习
持续学习
机器人策略
模仿学习
值不值得投
74综合评分
综合评分 74
前沿具身智能赛道、技术成长性突出，待遇与节奏信息未披露需与 HR 确认。
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，方便比较实习机会。
薪资怎么样
9.0千
比具身智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
48 个在招
市场机会
选择面较广
北京 · 具身智能 · 81 个在招
职位详情
关于这个职位
你将加入智谱具身智能团队，参与自研具身基础模型（VLA/VLM/世界模型）的后训练算法研发，涵盖模仿学习、偏好优化、强化学习与持续学习，并搭建自动化数据生产与训练评估闭环，推动算法在实体机器人上落地验证
最低要求
计算机、人工智能、自动化、机器人等相关专业，掌握机器学习、深度学习与大模型相关基础理论
了解 VLA、VLM、世界模型或机器人策略模型，有模仿学习、SFT、偏好优化、强化学习、持续学习任一方向的项目或研究经历
有大模型、自动驾驶或者机器人方向项目经验，可以独立开展数据处理、模型训练、对照实验、问题排查与方案迭代
较强的自驱力、科研思辨能力以及跨团队沟通推进能力
工作职责
参与自研具身基础模型（VLA/VLM/世界模型）研发工作，开展模仿学习、人类偏好优化、强化学习、持续学习等后训练算法设计与验证
搭建自动化的数据生产、模型训练、效果评估与验证闭环，迭代优化机器人策略，提升模型任务完成率、跨场景泛化性、精细操作能力与动作连续性
针对长尾工况、域偏移、灾难性遗忘、长时序规划等难点问题开展算法攻关
协同预训练、数据工程、仿真平台、真机测试等团队，推进算法方案在实体机器人上落地验证
优先资格
有实体机器人部署、大规模模型训练、顶会论文或优质开源项目经验优先
AI 洞察
优缺点分析
优点
- 接触 VLA/VLM/世界模型等前沿方向，积累大模型与机器人结合的实战经验
- 完整覆盖数据生产、训练、评估与真机验证闭环，成长快
- 适合对大模型与机器人交叉方向有强烈兴趣、自驱力强且具备科研思辨能力的在校生
缺点 / 挑战
- 长尾工况、域偏移、灾难性遗忘等难题技术挑战大
- 需跨预训练、仿真、真机测试等多团队协同，沟通成本较高
角色解读
- 可沿具身智能算法研究员路径深耕，逐步承担独立课题，向资深算法工程师或研究科学家方向发展
- 参与自研具身基础模型的后训练算法研发，围绕模仿学习、偏好优化、强化学习、持续学习等方向做设计与实验验证
- 扎实的机器学习、深度学习与大模型理论基础
- 了解 VLA/VLM/世界模型或机器人策略模型
- 具备模仿学习、SFT、强化学习等任一方向的实操经验
申请策略
- 关注智谱具身智能方向的技术动态，理解其基础模型与真机落地路线，体现对具身智能赛道的长期兴趣
- 突出大模型/自动驾驶/机器人相关项目与研究经历
- 量化展示训练与评估成效
- 列出顶会论文或开源项目贡献
- 补充强化学习、模仿学习与策略优化相关实践
- 熟悉 VLA/VLM 与仿真到真机迁移的基本方法
面试指南
- 采用背景-方案-结果的结构讲清项目
- 突出实验设计与问题排查过程
- 对难点问题给出可验证的思路与指标
- 你做过哪类模仿学习或强化学习项目，具体如何设计与评估？2. 如何搭建自动化的训练-评估闭环？3. 面对域偏移或灾难性遗忘你会如何处理？4. 如何提升机器人精细操作与动作连续性？5. 你如何与仿真和真机团队协作推进落地？
- 复习强化学习、模仿学习与策略优化核心概念
- 准备 1-2 个完整项目案例并梳理数据流与评估指标
- 了解具身基础模型与真机部署的基本流程
职位点评
薪资福利63
成长发展90
工作生活52
使命价值84
薪资福利
63中等
JD 未披露实习津贴与福利，具体待遇需与 HR 确认，实习岗薪资满足度一般。
薪资信号未披露（AI估算：6.0千–1.1万/月）
成长发展
90较高
岗位处于具身智能与大模型前沿方向，覆盖从算法设计到真机落地的完整链路，技能成长价值高。
技术前沿前沿/新兴技术
技术栈VLA、VLM、世界模型、模仿学习、强化学习、持续学习、大模型、机器人策略
业务类型ambiguous
工作生活
52较低
JD 未提及办公模式与工作节奏，但具身算法需真机测试与跨团队协作，具体强度需与团队确认。
工作模式未明确
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
84较高
具身智能处于高速增长赛道，参与自研具身基础模型研发具有较强的行业前瞻性与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs