大模型算法工程师-机器人大模型方向（博士后）

优缺点分析

角色解读

• 可向首席算法科学家或物流机器人技术负责人方向发展
• 也可横向拓展至具身智能、自动驾驶或通用AI架构师领域
• 长期可带领团队攻克复杂场景下的自主决策难题
• 跟踪并探索机器人大模型（VLN/VLA）前沿技术，搭建算法框架与数据流水线
• 负责物流机器人技术路线规划、方案设计与评审
• 推动仿真环境到物理环境的算法迁移与业务落地
• 扎实的数学与机器学习理论基础
• 精通深度神经网络设计、调参优化及垂直领域大模型微调
• 掌握VLA主流算法及Post Training流程
• 熟悉机器人仿真软件及Sim-to-Real迁移技术

申请策略

• 提前了解顺丰在智慧物流与无人配送方面的最新布局
• 准备针对VLA技术在物流场景应用的深度思考与技术路线图
• 突出顶会论文发表记录与独立科研项目
• 详细展示大模型微调、数据构造及仿真到实物迁移的具体案例
• 强调数学基础与算法优化能力
• 补充强化学习、多模态对齐及机器人控制理论
• 熟悉主流仿真平台（如Isaac Sim、MuJoCo）
• 提升工程部署与代码落地能力

面试指南

• 采用STAR法则阐述项目背景、个人贡献、技术难点与量化结果
• 结合理论推导与工程实践说明算法选型依据
• 展现对业务痛点的理解与技术落地路径
• 请详细介绍你在大模型Post Training或数据构造方面的具体经验与踩坑记录
• 如何设计实验解决Sim-to-Real中的域适应与泛化问题？
• 针对物流搬运场景，VLA模型应如何设计状态空间与动作空间？
• 复习大模型微调核心算法（如LoRA、PPO）及机器人控制基础
• 梳理过往科研中与多模态、具身智能相关的完整项目链路