智元机器人
具身大模型训练框架实习生
具身大模型训练框架实习生
发布于 3 天前实习/见习
上海市
初级经验
实习生
仅现场办公
本科
研究与开发 (研发)
Cuda
Deepspeed
Megatron
Pytorch
Vla
世界模型
具身智能
分布式训练
大模型训练
AI 估算 · 6k–10k
上海AI实习薪资水平，结合岗位对深度学习与分布式系统的高要求，预估月薪约6000-10000元。
职位详情
关于这个职位
这个实习岗位将参与具身智能领域最前沿的训练框架开发，包括VLA、世界模型等基础模型的预训练与后训练，以及大规模分布式训练系统的优化
你将深入底层系统，提升工程与算法能力，适合对AI技术有强烈热情、动手能力强的同学
最低要求
计算机基础扎实，学习能力强，愿意深入复杂系统和底层细节
代码规范，代码品味好，能熟练使用 AI Coding / Code Agent 提升研发效率
熟悉 Python，熟练使用 PyTorch，有深度学习项目经验
对大模型训练 / 推理、分布式系统、具身智能、VLA / RL / 多模态任一方向有基础理解或强烈兴趣
计算机、AI、机器人等相关专业硕士在读或优秀本科生
工作职责
参与具身智能统一训练框架开发，支撑 VLA、世界模型、分层决策模型等具身基础模型的预训练与后训练
参与大规模分布式训练系统开发与测试，包括数据并行、模型并行、流水线并行、MoE、长上下文、低精度训练与推理等
参与规模化后训练与强化学习系统开发，涵盖模仿学习、在线 / 离线 RL、真机 RL 及云边协同架构
参与训练效率优化，覆盖数据、计算、异步、通信全链路，包括 IO、算子融合、CUDA Graph、通信 overlap、性能 profiling 等
跟进前沿进展，参与 VLA、世界模型、flow matching、RL 等新算法的复现与工程化验证
优先资格
有分布式训练框架，如 Megatron、DeepSpeed、VeRL、RLinf 等使用或开发经验
有 CUDA Graph、算子融合、Triton Kernel 开发经验，或用过 Nsight Systems、PyTorch Profiler 等性能分析工具
有分布式系统或通信框架，如 RPC、gRPC、ZMQ 等使用经验
有真机 RL 或 RoboSuite、ManiSkill、Isaac 等仿真器使用经验
有开源项目贡献，或在 HPC / 算法竞赛中取得优异成绩，或在校成绩排名前 10%
有论文复现、科研项目或工程项目经验
AI 洞察
优缺点分析
优点
- 接触具身智能最前沿的技术栈，包括VLA、强化学习等
- 参与真实的大规模分布式训练系统，积累宝贵工程经验
- 公司处于快速发展期，实习表现优秀有转正机会
- 团队技术氛围浓厚，可学习各类底层优化技巧
- 部分工作涉及底层性能调试，并非所有同学都感兴趣
- 适合对AI底层技术有强烈好奇心、动手能力强、愿意深入复杂系统的计算机或AI相关专业同学
缺点 / 挑战
- 技术深度大，需要同时理解算法和系统工程，门槛较高
- 实习期间可能面对较强学习压力，需快速跟进前沿进展
角色解读
- 可成长为具身智能算法工程师，专注于VLA/世界模型等方向
- 发展为分布式系统专家，掌握大规模训练优化技术
- 后续可转正或进入其他AI实验室从事前沿研究
- 参与开发具身智能统一训练框架，支撑VLA、世界模型等基础模型的训练
- 负责大规模分布式训练系统的开发与测试，包括模型并行、数据并行等技术
- 参与强化学习系统的搭建，涵盖模仿学习、在线/离线RL等
- 优化训练效率，涉及IO、算子融合、CUDA Graph等底层性能调优
- 扎实的计算机基础，熟悉Python和PyTorch，有深度学习项目经验
- 对分布式训练、大模型推理或具身智能有基本了解
- 良好的代码规范，能使用AI编程工具提升效率
- 较强的学习能力和自驱力，愿意深入底层细节
申请策略
- 在申请信中表达对具身智能方向的热情，并结合自己的项目经历
- 准备一个自己最满意的技术项目，详细说明设计和优化过程
- 突出深度学习项目经验，特别是使用PyTorch进行模型训练的经历
- 如果有分布式训练相关项目或竞赛经验，重点描述
- 展示代码规范和能力，如GitHub开源贡献或代码链接
- 强调学习能力和对前沿技术的关注，可附技术博客或论文复现
- 提前学习Megatron、DeepSpeed等分布式框架的基本用法
- 熟悉CUDA编程基础与性能分析工具（如Nsight Systems）
面试指南
- 回答技术问题时，先阐明核心概念，再结合具体例子说明，最后总结优势与局限
- 对于项目经历，采用STAR法则（情境-任务-行动-结果），突出自己的贡献和思考
- 对于开放式问题，展示自己的学习路径和兴趣点，不必追求完美答案
- 请解释数据并行、模型并行和流水线并行的区别
- 描述一个你使用PyTorch进行分布式训练的经历，遇到了哪些问题？
- 你对VLA或世界模型有什么理解？请简要介绍
- 如何优化一个深度学习训练中的I/O瓶颈？
- 请介绍一个你参与过的优化CUDA算子的经验
职位点评
66
综合评分
前沿技术实习，成长空间极大，但薪资和WLB一般。
更适合这类人
最适合追求技术成长、对AI前沿有热情、愿意投入时间学习的学生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利50
成长发展95
工作生活40
使命价值80
薪资福利
50较低
实习职位薪资未明确，且实习生通常福利较少，补偿性动机满足程度一般。
薪资信号未披露（AI估算：6K-10K/月）
成长发展
95较高
职位涉及前沿技术栈和系统工程，成长空间极大，发展性动机高度满足。
技术前沿前沿/新兴技术
技术栈具身智能、VLA、世界模型、强化学习、分布式训练、CUDA、Megatron、DeepSpeed
成长机会跟踪前沿进展
业务类型ambiguous
工作生活
40较低
实习通常需现场办公，工作强度较大，WLB一般，生活化动机满足有限。
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
80较高
具身智能行业高速增长，具有正向社会影响力，意义感动机较强。
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