智谱
具身智能预训练算法实习生
具身智能预训练算法实习生
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
Pytorch
Vla
具身智能
多模态大模型
强化学习
模仿学习
模型预训练
深度学习
值不值得投
72综合评分
综合评分 72
前沿具身智能/VLA方向算法实习，技术成长性强、节奏快，薪资与WLB信息未披露。
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
1.0万
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
该岗位是智谱具身智能团队的预训练算法实习，主要协助开展具身大模型与VLA/WAM多模态模型的预训练研发，负责强化学习、模型优化等算法实验落地，并参与多模态数据清洗、训练参数配置、模型调优、评测与前沿论文复现
适合对具身智能与大模型训练有浓厚兴趣、具备深度学习与PyTorch实战基础的高校在读生
最低要求
计算机科学、人工智能、机器人、自动化、应用数学等相关专业，本科、硕士及博士在读均可
扎实掌握深度学习、Transformer核心基础，对多模态对齐、生成式建模、强化学习、模仿学习、大模型训练任意方向有系统认知与理解
熟练使用Python、PyTorch开发框架，具备模型训练、算法科研或工程项目实战经验，可独立完成训练实验的搭建、运行与问题调试
具备优秀的自主学习能力与实验复盘分析能力，对具身智能、VLA多模态大模型训练方向有浓厚研发兴趣，能够适配高速迭代的研发工作节奏
工作职责
协助团队开展具身大模型、VLA/WAM多模态模型的预训练研发工作，负责强化学习、模型优化等相关算法落地实验
参与视觉、语言、机器人动作轨迹、遥操作等多模态数据的清洗处理、训练参数配置、模型调优、效果评测及消融对照实验
围绕模型规模扩容、任务完成精度、多场景泛化能力、长时序任务执行稳定性等核心方向开展训练迭代与效果评估，复盘实验数据，持续优化模型结构与数据迭代策略
持续跟进多模态大模型、生成式模型、VLA机器人学习、模型后训练、强化学习领域前沿技术，完成前沿论文复现与技术落地验证
AI 洞察
优缺点分析
优点
- 切入具身智能与VLA多模态大模型前沿赛道，技术含金量高
- 接触真实的大规模预训练与强化学习工程，积累难得的实战经验
- 团队方向前沿，利于论文复现、技术视野拓展与履历提升
- 需兼顾学业，投入时间与产出需合理平衡
- 适合对具身智能、VLA多模态大模型有强烈兴趣，具备深度学习与PyTorch实战基础、愿意在前沿方向高强度投入的高校在读生
缺点 / 挑战
- 研发节奏高速迭代，对自主学习与抗压能力要求较高
- 多模态训练与调试难度大，实验周期长、易遇瓶颈
角色解读
- 深入具身智能与VLA多模态大模型方向，积累一线预训练与强化学习工程经验
- 可向算法工程师/研究员、具身智能或大模型预训练方向发展
- 在热门赛道积累论文复现与模型落地能力，为深造或求职加分
- 协助具身大模型与VLA/WAM多模态模型的预训练研发，落地强化学习、模型优化等算法实验
- 负责视觉、语言、机器人动作轨迹、遥操作等多模态数据的清洗、训练参数配置、模型调优与效果评测
- 围绕模型扩容、任务精度、多场景泛化、长时序稳定性做训练迭代与消融对照实验
- 跟进多模态大模型、VLA、后训练、强化学习等前沿论文并复现验证
- 扎实的深度学习与Transformer基础，理解多模态对齐、生成式建模、强化学习/模仿学习等任一方向
- 熟练使用Python、PyTorch，能独立搭建、运行并调试训练实验
- 具备多模态数据处理与实验复盘分析能力
- 较强的自主学习能力，能快速读懂前沿论文并落地验证
申请策略
- 关注智谱具身智能团队的技术博客与开源项目，面试中体现对方向的理解
- 准备GitHub、论文等可展示的技术产出，突出动手与复现能力
- 突出深度学习、Transformer与大模型训练相关的课程或项目经历
- 展示PyTorch实战：完整训练实验的搭建、调参、评测与消融分析
- 列出多模态、强化学习/模仿学习、机器人或VLA相关项目或论文复现
- 量化成果，如模型精度提升、训练规模、开源代码链接等
- 补强VLA/多模态对齐、生成式建模与强化学习算法知识
- 熟悉大规模训练工程：分布式训练、数据pipeline与评测流程
面试指南
- 项目类问题用STAR结构：背景-任务-方法-结果，突出你的具体贡献与量化指标
- 概念类问题先讲原理再讲实践权衡，结合自己做过的实验举例
- 调试/开放题展示系统化排查思路：数据-模型-超参-评测逐步定位
- 介绍一个你做过的大模型/深度学习训练项目，如何设计与调优？
- Transformer的核心机制是什么？多模态对齐有哪些常见做法？
- 你如何理解VLA模型？预训练与后训练有什么区别？
- 强化学习/模仿学习在机器人任务中的应用与难点？
- 遇到训练不收敛或效果不佳时，你的排查思路是什么？
职位点评
薪资福利58
成长发展93
工作生活45
使命价值82
薪资福利
58较低
JD未披露实习薪资与福利信息，补偿性主要取决于实际实习津贴水平，确定性与稳定性信息有限。
薪资信号未披露（AI估算：6.5千–1.3万/月）
成长发展
93较高
岗位处于具身智能与VLA多模态大模型前沿，覆盖预训练、强化学习与模型优化，技术成长空间显著。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Transformer、VLA、多模态大模型、强化学习、模仿学习、具身智能、模型预训练
业务类型profit_center
工作生活
45较低
JD强调高速迭代的研发节奏，未提及办公模式与工作生活平衡安排，工作强度可能较高。
工作模式未明确
办公地点未明确
加班情况JD含高强度暗示词
使命价值
82较高
具身智能属前沿高增长方向，工作对推动机器人智能具有潜在价值，但JD未直接强调使命表述。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs