智元机器人
具身基座大模型算法实习生- Genie业务部
具身基座大模型算法实习生- Genie业务部
发布于 大约 18 小时前实习/见习
上海市 / 北京市
无经验要求
实习生
仅现场办公
硕士
研究与开发 (研发)
Pytorch
Videogen
Vla
Vlm
分布式训练
多模态
强化学习
机器人
AI 估算 · 5k–10k
B轮公司具身智能实习生，上海/北京薪资，按日薪200-500元估算，月薪5000-10000元。
职位详情
关于这个职位
这是一份具身智能领域的前沿算法实习岗位，你将参与通用机器人基础模型的研发，覆盖多模态大模型（VLM/VLA/VideoGen）的预训练、后训练与强化学习等关键环节
工作内容包括设计模型架构、探索数据配方与scaling law，并与跨团队协作将模型部署到真实机器人上
适合对AI+机器人有浓厚兴趣、希望深入参与前沿研究并产出学术成果的同学
最低要求
硕士及以上学历，计算机/机器人/AI 等相关方向
熟悉大模型训练体系，有预训练或后训练经验，对 LLM/VLM/VLA/VideoGen 有较深理解
具备强化学习相关经验（PPO/SAC 等），有 Online RL / Offline RL类训练实践经验者优先
熟悉或跟进过主流 VLA 路线（如 π系列等），有复现/改进经验更佳
熟练 PyTorch，有大规模分布式训练经验优先
工作职责
参与具身智能基础模型研发，覆盖 VLM/VLA/VideoGen 预训练、后训练与强化学习等关键环节，打造可跨不同机器人平台泛化的通用模型
设计多模态模型结构与训练策略，融合图像/视频/语言/触觉/动作等信息，提升理解、推理与执行能力
探索具身领域的数据配方与 scaling law，沉淀可复用的训练范式与评测结论
面向复杂任务与长时序任务，构建训练—评测—迭代闭环，持续提升成功率、稳定性与鲁棒性
与数据/系统/仿真/硬件团队协作，推进模型训练、验证、部署与迭代落地
撰写技术文档和学术论文，分享研究成果并在技术社区中展示创新技术
优先资格
顶会论文或同等研究/工程成果优先（CVPR/NeurIPS/ICLR/RSS/ICRA/CoRL/IROS 等）
AI 洞察
优缺点分析
优点
- 前沿研究方向（具身智能+大模型），技术壁垒高，成长空间大
- 公司为头部具身智能创业公司，B轮融资充足，数据和算力资源丰富
- 有机会发表顶会论文，积累高质量研究经验
- 团队技术氛围浓厚，与顶尖研究者共事
- 实习生需快速上手复杂模型训练，学习曲线陡峭
- 具身智能落地困难，实验周期长，可能面临多次失败
- 多团队协作要求高，需同时理解模型、系统、硬件等不同领域知识
- 适合对AI+机器人有强烈热情、具备扎实深度学习基础且希望冲击顶会研究的硕士/博士生
缺点 / 挑战
暂无明显挑战项
角色解读
- 深耕具身智能算法，成为VLA/多模态大模型专家，发表顶会论文
- 向机器人系统全栈发展，或转向产品化落地，成为技术主管
- 可无缝切换至AI其他方向（如通用视觉、NLP），积累的scaling law经验极具迁移价值
- 研发通用具身智能基础模型，聚焦VLM/VLA/VideoGen的预训练、后训练与强化学习
- 设计多模态模型结构，融合图像、视频、语言、触觉、动作等多源信息
- 探索数据配方和scaling law，建立训练-评测-迭代闭环，提升长时序任务稳定性
- 与数据、系统、仿真、硬件团队协作推动模型部署落地，并撰写技术文档/论文
- 扎实的深度学习基础，熟悉大模型训练体系（预训练/后训练/RLHF）
- 精通PyTorch，具备大规模分布式训练经验
- 深入理解LLM/VLM/VLA/VideoGen等前沿技术，有强化学习（PPO/SAC）实践经验
- 良好的工程与沟通协作能力，能快速迭代实验
申请策略
- 简历附上个人技术博客或论文笔记，展示对具身智能领域的深度关注
- 面试前了解公司Genie业务部的公开成果和技术方向，思考可改进的点
- 突出大模型训练相关项目，如LLM/VLM微调、RLHF或RL训练经验
- 展示多模态或强化学习研究成果，附上GitHub链接或论文预印本
- 强调PyTorch和分布式训练实战经历，如有大规模集群使用经验
- 若参与过机器人相关竞赛或开源项目（如Isaac Gym、MuJoCo），务必提及
- 补强VLA路线知识，复现主流模型（如RT-2、π系列）并跑通基线
- 深入学习PPO、SAC等强化学习算法并动手实现
面试指南
- STAR法则：描述具体项目背景、任务、行动和结果，突出技术贡献
- 技术对比：从原理、优缺点、适用场景等角度对比不同算法/架构
- 问题解决：先分析问题本质，再列出解决方案并解释选择理由
- 请解释VLM与VLA的区别，并描述一个VLA模型的训练流程
- 你在强化学习中用过哪些算法？如何解决训练不稳定问题？
- 如何设计多模态模型结构来融合视觉和语言信息？请举例
- 你有过大规模分布式训练经历吗？遇到的主要挑战是什么？
- 为什么选择具身智能方向？你认为当前最大的技术瓶颈是什么？
职位点评
62
综合评分
前沿具身智能算法实习，技术成长极高但薪资一般且需要现场办公。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
最适合追求技术成长和前沿研究、愿意投入高强度工作的实习生，不太适合注重工作生活平衡的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利40
成长发展95
工作生活30
使命价值85
薪资福利
40较低
实习生薪资市场偏低（B轮公司按日薪计算），福利信息未披露，但公司融资B轮有一定稳定性。
薪资信号未披露（AI估算：5K-10K/月）
成长发展
95较高
职位技术前沿性极强（具身智能+大模型），成长性极高，明确可发表论文，导师制和晋升未提但研究导向明显。
技术前沿前沿/新兴技术
技术栈VLM、VLA、VideoGen、强化学习、多模态、分布式训练
成长机会顶会论文、技术文档和学术论文
业务类型ambiguous
工作生活
30较低
明确要求现场办公，未提弹性或远程，可能加班强度高，但地点在上海/北京核心城市。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
具身智能属于高速增长赛道，具有变革性社会影响（通用机器人），工作意义感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号打造可跨不同机器人平台泛化的通用模型
创新程度积极采用新技术
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs