安克创新
具身认知大模型算法工程师
具身认知大模型算法工程师
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Pytorch
Sim-To-Real
多模态融合
大模型算法
强化学习
机器人控制
模型量化
值不值得投
81综合评分
综合评分 81
高薪稳定平台、顶尖前沿技术栈、强发展属性、WLB待确认
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，方便横向比较。
薪资怎么样
6.0万
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
约 480 个在招 · 其中具身智能 8 个
市场机会
选择面较广
上海 · 具身智能 · 93 个在招
职位详情
关于这个职位
负责具身智能方向的大模型算法研发，深入理解并优化Transformer、LLM及VLM等主流架构
专注于多模态融合、3D空间表征与动作生成技术，结合强化学习对齐（如PPO/DPO）进行模型训练与微调
同时具备模型轻量化、分布式训练及高性能推理优化能力，推动算法在机器人或端侧硬件上的落地应用
最低要求
人工智能、计算机科学、机器人、自动驾驶、自然语言处理、自动化等相关专业，硕士及以上学历，具备多模态大模型、具身智能或相关领域算法研发经验
深入理解 Transformer、LLM、VLM 等主流模型架构，熟悉 Llama、Qwen、LLaVA 等大模型技术，具备多模态大模型训练、微调或架构优化经验
熟悉 VLN、VLA、World Model 等具身智能技术方向，了解 RT-2、OpenVLA、π 系列、ACT、Diffusion Policy 等代表性模型或技术方案
熟悉大模型预训练、SFT、LoRA、强化学习对齐等训练方法，掌握 PPO、GRPO、DPO 等算法中的一种或多种，具备实际模型训练与优化经验
理解多模态融合、3D 空间表征、空间推理、动作生成或轨迹预测等相关技术，具备其中一个或多个方向的深入研究及实践经验
熟悉模型轻量化及推理优化技术，包括量化、蒸馏、剪枝等，具备大模型分布式训练或高性能推理优化经验
熟练掌握 PyTorch、TensorFlow、JAX 等至少一种深度学习框架，熟练使用 Python，具备 C++ 开发能力及 Linux 环境下独立算法开发、训练和调试能力
优先资格
有具身智能、自动驾驶、机器人或多模态大模型实际项目研发及产品落地经验
有 VLA、VLN、World Model、Omni 或机器人动作生成模型从训练到真机部署的完整项目经验
熟悉 Isaac Sim、MuJoCo、Genesis 等仿真平台，具备具身模型数据生成、强化学习或 Sim-to-Real 实践经验
有 Action Token、RVQ、Diffusion、Flow Matching、模仿学习等相关研究或实践经验
熟悉端侧 AI 计算平台及大模型部署优化，包括 NVIDIA Jetson、高通等硬件平台
在机器人领域顶会或期刊（RSS、ICRA、IROS、CoRL、T-RO、IJRR 等）或 AI 顶会（CVPR、NeurIPS、ICML、ICLR 等）发表论文，或在 Open X-Embodiment、OpenVLA、OpenPI 等开源项目中有重要贡献者优先
AI 洞察
优缺点分析
优点
- 赛道前沿：身处具身智能与大模型结合的爆发期，技术壁垒高，职业护城河深
- 资源支持：拥有真实的硬件产品与海量用户数据，便于算法从仿真走向真机落地
- 薪酬优厚：针对高端算法人才提供具有市场竞争力的薪资与长期激励
- 技术迭代极快：需持续跟踪LLM、VLA等最新Paper，保持高强度的学习与实验
- 落地难度大：具身智能涉及软硬结合，Sim-to-Real的Gap较大，调试周期长
- 竞争激烈：该领域汇聚了全球顶尖人才，对研究成果的原创性与工程能力要求极高
- 适合拥有硕士及以上学历，在AI、机器人或多模态领域有深厚积累，热衷于将前沿算法应用于实体世界的资深算法工程师
缺点 / 挑战
- 平台稳定：安克创新为已上市大型企业，业务成熟，资金充裕，抗风险能力强
角色解读
- 技术专家路线：成为具身智能与大模型交叉领域的资深科学家，主导前沿技术攻关
- 项目管理路线：转型为算法团队负责人，统筹具身智能产品的全链路研发
- 行业影响力：通过顶会论文或开源项目贡献，建立个人在AI与机器人领域的学术/工程声誉
- 研发基于Transformer、LLM和VLM的多模态大模型，针对具身智能场景进行架构优化与微调
- 探索并实现VLN、VLA、World Model等前沿技术，解决机器人的空间感知、推理与动作生成问题
- 利用强化学习（PPO/DPO等）对模型进行对齐训练，提升机器人在复杂环境下的决策能力
- 负责模型的轻量化、量化与分布式训练优化，确保算法能在端侧硬件或仿真环境中高效运行
- 扎实的深度学习基础，精通PyTorch/TensorFlow，熟练掌握Python及C++
- 深入理解大模型原理（Llama/Qwen/LLaVA等）及多模态融合技术
- 熟悉具身智能核心技术栈，包括强化学习、Sim-to-Real仿真及机器人控制策略
- 具备模型压缩、推理加速及分布式训练的工程落地能力
申请策略
- 准备详细的项目复盘，重点阐述如何解决具身智能中的具体痛点（如泛化性、实时性）
- 了解安克创新的产品线，思考其智能家居/消费电子场景与具身智能的结合点
- 突出多模态大模型（VLM/LLM）的训练与微调实战经验，特别是针对特定任务的优化
- 强调具身智能相关项目，如VLN、VLA、World Model或机器人控制的具体成果
- 展示强化学习（RLHF/PPO等）在模型对齐中的应用案例及性能提升数据
- 列出相关的顶会论文、开源项目贡献或专利，证明学术与工程双重能力
- 深化对Transformer变体及MoE架构的理解，关注大模型效率优化技术
- 加强Sim-to-Real迁移学习技能，熟悉Isaac Sim/MuJoCo等主流仿真平台
面试指南
- STAR法则：清晰描述情境、任务、行动与结果，用数据支撑成果
- 技术深度：不仅讲“怎么做”，更要讲“为什么这么做”，体现对底层原理的理解
- 工程思维：强调算法落地的可行性，包括算力成本、延迟、精度平衡等
- 前沿视野：结合最新Paper或业界实践，展示对技术趋势的敏锐度
- 请详细介绍你参与过的一个多模态大模型项目，你在其中的角色及技术难点是什么？
- 如何设计一个基于VLA（Vision-Language-Action）的机器人控制架构？
- 在具身智能中，如何处理Sim-to-Real的域适应问题？有哪些具体技术手段？
- 请对比PPO、DPO、GRPO等强化学习对齐算法的优缺点及适用场景
职位点评
薪资福利85
成长发展95
工作生活60
使命价值75
薪资福利
85较高
作为已上市的头部科技企业，安克创新能提供符合市场水准的高薪及完善的福利体系，满足高阶人才的补偿性需求。
薪资信号偏高 (4.0千–8.0万/月)
成长发展
95较高
职位聚焦具身智能与大模型这一前沿交叉领域，技术栈极具挑战性与发展潜力，能极大促进个人技术成长。
技术前沿前沿/新兴技术
技术栈具身智能、LLM、VLM、Transformer、RLHF、PPO、DPO、Sim-to-Real
业务类型profit_center
工作生活
60中等
JD未明确提及弹性工作制或WLB政策，且算法研发通常伴随高强度脑力劳动与项目压力，生活平衡程度中等。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
致力于将AI技术赋予物理世界实体，推动机器人智能化发展，具有较高的社会价值与技术使命感。
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