智元机器人
全模态大模型算法实习生
全模态大模型算法实习生
发布于 大约 8 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
本科
实习与临时职位
Dpo
Grpo
Rlhf
Sft
人形机器人
全模态大模型
多模态
强化学习
数据合成
AI 估算 · 4k–8k
实习生岗位，上海/北京中大型AI公司，薪资在4-8k/月，竞争力中等，但能接触前沿技术。
职位详情
关于这个职位
该职位面向机器人场景，参与全模态大模型的算法研究与系统落地，包括数据方案设计、SFT微调、强化学习后训练等
你将跟踪业界前沿技术（如Qwen-Omni、GPT-4o），并与人形机器人团队协作推动模型迭代
适合对多模态和生成式AI有热情的同学
最低要求
计算机、人工智能、软件工程、自动化、电子、数学等相关专业本科、硕士、博士在读同学
出色的问题分析和解决能力，自主探索新解决方案的能力强;
关注生成式 AI 和多模态交互技术，对推动人形机器人智能化有热情;
具备较强的新技术跟踪与研究能力，能够快速理解并复现业界前沿全模态大模型工作（如 Qwen-Omni、GPT-4o、Gemini 等）
具有 SFT、RLHF/RLVR（如 PPO、GRPO、GSPO、DPO 等）算法研究或工程落地经验，尤其是在多模态（图像/语音/视频）场景下的实践经验
工作职责
负责数据方案的整体设计，包括数据来源规划、清洗与合成策略、多模态数据配比实验与迭代，为模型能力提升提供高质量、可扩展的数据基座
主导全模态大模型的 SFT（监督微调）方案设计与落地，包括指令数据构造、多轮对话/工具调用/长上下文场景微调、跨模态对齐（图文/音文/视频文本等）效果评估与调优
投入全模态强化学习算法研究，覆盖 GRPO、GSPO、DPO 等主流 RL 后训练算法在全模态场景下的适配与创新，设计面向多模态生成与理解任务的 reward 建模、rollout 策略与训练稳定性优化方案
跟踪业界全模态大模型最新数据、算法与工程实践，持续输出实验结论与技术方案，与算法、工程、数据等团队协作，推动数据方案、训练算法、评测体系的闭环建设，保障模型迭代效率与效果可复现性
AI 洞察
优缺点分析
优点
- 参与最前沿的全模态大模型研发，技术积累含金量高
- 公司聚焦人形机器人赛道，行业前景好，融资充分
- 团队氛围技术导向，能学习到数据、训练、RL全链路知识
- 上海/北京核心城市，实习转正机会大
- 多模态强化学习尚未成熟，实验不确定性高，易产生挫败感
- 对工程与算法综合能力要求高，可能需要同时处理数据和训练细节
缺点 / 挑战
- 实习生需要快速上手前沿研究，工作强度和竞争压力较大
- 适合对多模态大模型和强化学习有浓厚兴趣、喜欢挑战前沿难题、且具备较强自驱力和工程能力的在读同学
角色解读
- 从实习生转正为正式算法工程师，深入参与核心模型研发
- 向全模态大模型专家方向发展，主导数据、训练或强化学习方向
- 未来可晋升为技术负责人，带领团队攻克人形机器人智能化的技术难题
- 设计并迭代多模态数据方案，包括数据清洗、合成和配比实验
- 主导全模态大模型的监督微调（SFT），优化多轮对话、工具调用等能力
- 研究并实现强化学习后训练算法（如GRPO、DPO），提升模型效果
- 跟踪前沿论文，复现并改进全模态大模型（如Qwen-Omni、GPT-4o）
- 扎实的机器学习/深度学习基础，熟悉Transformer架构
- 有SFT或RLHF实际项目经验，熟悉PPO/GRPO/DPO等算法
- 掌握多模态数据处理和跨模态对齐方法
- 良好的工程能力，能使用PyTorch等框架进行模型训练和调优
申请策略
- 关注智元机器人的技术博客和招聘动态，面试时展现对人形机器人场景的热情
- 准备一个简短的PPT或文档，展示你对全模态大模型的理解和想法
- 重点突出SFT/RLHF相关项目经验，详细描述你在数据构造、模型微调或强化学习中的角色和成果
- 展示对多模态数据的处理能力，如图文对齐、音频分类等
- 列出你复现或改进过的前沿模型（如LLaVA、Qwen-VL等），并附上GitHub链接
- 如果有机器人相关项目或竞赛经历，也值得强调
- 提前熟悉GRPO、GSPO等最新RL算法，并尝试在开源多模态模型上跑通
- 补充多模态数据处理工具（如FFmpeg、字幕对齐）和评测方法
面试指南
- STAR法则：描述项目背景、任务、行动和结果，重点突出你的贡献和实验反思
- 对比分析：回答算法问题时，先阐述原理，再对比不同方法的优缺点，最后给出你的选择理由
- 场景化回答：结合机器人实际应用场景（如抓取、导航、对话），说明技术落地的可行性
- 请介绍你做过的一个SFT或RLHF项目，遇到了哪些挑战？
- GRPO和DPO有什么区别？在多模态场景下如何适配？
- 如何处理多模态数据的对齐问题？举例说明
- 你对人形机器人使用全模态大模型有什么看法？
- 如何设计一个多模态数据的质量评估方案？
职位点评
67
综合评分
前沿全模态大模型实习，技术成长极佳，但薪资与WLB一般。
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、热衷前沿研究、愿意投入时间学习的学生，不太适合看重薪资或WLB的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利45
成长发展88
工作生活50
使命价值70
薪资福利
45较低
实习生薪资相对固定，竞争力中等，但公司B轮融资较稳定，福利可能包括餐补等，总体补偿性一般。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
88较高
岗位聚焦全模态大模型前沿技术，涉及数据、训练、RL全链路，成长空间很大，适合技术积累。
技术前沿前沿/新兴技术
技术栈全模态大模型、SFT、RLHF、GRPO、DPO、多模态、强化学习、跨模态对齐
业务类型profit_center
工作生活
50较低
要求现场办公，上海/北京城市通勤压力较大，JD未明确WLB，可能有一定加班，生活类满足度一般。
工作模式仅现场办公
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
70中等
人形机器人智能化有较强社会意义和行业前景，但实习生岗位的直接使命感有限，整体中等偏上。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动人形机器人智能化
创新程度开拓性创新（行业首创）
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs