大疆
大模型后训练专家
大模型后训练专家
发布于 大约 15 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Dpo
Pytorch
Rlhf
Sft
无人机
机器人
模仿学习
模型压缩
离线强化学习
值不值得投
77综合评分
综合评分 77
大疆AI专家岗，技术前沿、薪资高，但工作强度大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
55K
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1220 个在招
市场机会
选择适中
深圳 · 人工智能 · 20 个在招
职位详情
关于这个职位
作为大疆的大模型后训练专家，你将专注于飞行器和扫地机器人等业务场景的模型优化，通过SFT、RLHF等后训练技术提升模型在真实任务中的表现
你将与多个团队协作，确保模型在端侧设备上安全、稳定、高效地运行，并推动模型在硬件上的部署与优化
这是一个技术深度高、业务落地导向的岗位，适合对机器人AI有热情、具备扎实后训练经验的工程师
最低要求
后训练方法经验，熟悉以下至少一种：SFT
指令微调
RLHF/RLAIF
DPO/IPO/KTO
模仿学习
Behavior Cloning
Offline RL
Online RL
Diffusion Policy
安全约束训练
任务指标优化能力：能围绕真实业务指标调模型，而不是只优化 loss
真实数据迭代能力：能处理线上/设备端数据，完成失败样本分析、数据重采样、困难样本挖掘、训练集更新和回归评测
端侧落地意识：理解手机/智能硬件/机器人设备上的模型部署限制，包括算力、内存、功耗、延迟、热设计等
工程能力：熟悉 PyTorch，能独立完成训练、评测、实验分析和部署前验证
跨团队协作能力能和硬件、系统、端侧部署、应用算法、产品团队一起定义问题和推进效果落地
工作职责
负责 DJI 飞行器、扫地机等业务场景下的基模后训练、任务适配和效果优化
基于预训练模型，进行 SFT、指令微调、模仿学习、偏好优化、离线/在线强化学习、安全约束训练等
面向具体产品任务提升模型效果，包括飞行避障、目标跟随、路径规划、智能构图、扫地机导航、覆盖清扫、语义避障、脱困等
设计任务级数据集和训练样本，结合真实设备数据、用户反馈、失败案例进行持续迭代
建立后训练评测体系，围绕任务完成率、安全性、稳定性、端侧延迟、功耗、用户体验等指标优化模型
与飞控、导航、感知、系统、端侧部署团队协作，确保模型输出安全、稳定、可控
推动后训练模型在端侧硬件上部署，参与蒸馏、量化、压缩和推理效率优化
优先资格
有大模型后训练、RLHF/DPO/RLAIF
手机端 AI、端侧多模态模型、端侧 Agent
做过机器人、扫地机、无人机、服务机器人项目优先
有用户反馈驱动的模型迭代，推荐/广告/搜索中的在线优化、bandit/RL、用户行为建模
有模型压缩、蒸馏、量化经验
AI 洞察
优缺点分析
优点
- 大疆作为行业巨头，技术平台和资源丰富，能接触前沿AI在机器人领域的应用
- 岗位涉及多种后训练技术，技能积累全面，职业发展前景广阔
- 薪资水平高，福利待遇好，公司品牌影响力大
- 技术难度高，需要同时掌握算法和工程能力，对综合能力要求高
- 适合对AI技术有热情、具备扎实后训练和工程经验，能适应快节奏、跨团队协作的工程师
缺点 / 挑战
- 工作强度可能较大，需要快速迭代和跨团队协作，压力不小
- 端侧部署限制多，需在资源受限环境下优化模型，挑战性强
角色解读
- 可向AI算法专家或技术负责人方向发展，深入后训练和端侧AI领域
- 有机会参与核心产品研发，积累机器人、无人机等领域的AI落地经验，成为行业稀缺人才
- 负责大模型在无人机和扫地机等场景的后训练，包括SFT、RLHF、模仿学习等，提升模型任务表现
- 设计并迭代训练数据集，结合真实设备数据和用户反馈，持续优化模型效果
- 建立评测体系，围绕任务完成率、安全性、稳定性等指标评估模型，并推动端侧部署和优化
- 熟悉后训练方法，如SFT、RLHF、DPO等，并有实际应用经验
- 具备任务指标优化能力，能围绕业务指标调整模型，而非仅优化loss
- 掌握PyTorch，能独立完成训练、评测和部署前验证，理解端侧部署限制
申请策略
- 了解大疆产品线，尤其是飞行器和扫地机的AI应用，准备相关案例
- 关注公司技术博客或开源项目，展示对公司的认同
- 突出后训练项目经验，如SFT、RLHF、DPO等，并量化成果
- 强调真实业务指标优化案例，展示如何提升任务完成率或安全性
- 展示端侧部署经验，如模型压缩、量化、蒸馏，体现工程能力
- 补充强化学习、模仿学习等前沿方法，提升理论深度
- 学习端侧推理优化工具，如TensorRT、ONNX Runtime，增强部署能力
面试指南
- 采用STAR法则，结合具体项目，突出挑战、行动和结果
- 强调业务导向，说明如何将技术指标转化为业务价值
- 展示跨团队协作经验，说明如何与硬件、系统团队配合
- 请描述一次你使用RLHF优化模型的经验，如何设计奖励模型？
- 在端侧部署模型时，你如何平衡模型效果和资源限制？
- 如何处理线上数据中的失败样本，并迭代训练集？
- 如何评估后训练模型的效果，有哪些关键指标？
- 复习后训练方法的最新论文，如RLHF、DPO等，并准备案例
职位点评
薪资福利80
成长发展90
工作生活50
使命价值85
薪资福利
80较高
大疆作为行业巨头，薪资水平高，福利完善，能提供稳定的经济回报。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
90较高
岗位涉及前沿后训练技术，技能成长空间大，且公司提供良好的技术平台。
技术前沿前沿/新兴技术
技术栈SFT、RLHF、DPO、模仿学习、离线强化学习、模型压缩、量化
业务类型profit_center
工作生活
50较低
岗位要求现场办公，且可能涉及高强度工作，WLB一般。
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
85较高
大疆产品具有创新性，岗位对机器人、无人机领域有积极影响，社会价值较高。
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