智元机器人
大模型训练调优工程师
大模型训练调优工程师
发布于 大约 7 小时前普通员工/个人贡献者
上海市 / 深圳市
中级经验
全职员工
仅现场办公
本科
软件工程
Deepspeed
Fsdp
Lora
Peft
Pytorch
分布式训练
多模态
异构加速
混合精度
AI 估算 · 30k–60k
基于大模型训练工程师的市场稀缺性及上海深圳薪酬水平，B轮公司提供有竞争力薪资。
职位详情
关于这个职位
该职位负责搭建并优化多模态大模型的训练体系，涵盖语音、动作、视频等模态的预训练、微调与部署
你将与算法团队紧密合作，使用PyTorch、DeepSpeed等工具提升训练效率，并探索混合精度、异构加速等前沿技术
适合对生成式AI和人形机器人感兴趣、具备扎实工程能力的工程师
最低要求
本科及以上学历，计算机、人工智能、电子、数学等相关专业
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
熟悉 Transformer 类大模型训练流程，具备完整的预训练 + 微调 + 推理部署经验
熟练掌握 PyTorch、DeepSpeed 或 FSDP、LoRA/PEFT 等训练加速与参数高效微调工具
工作职责
搭建并维护多模态大模型训练体系，覆盖语音、动作、视频等模态的预训练、微调、评估与部署流程
负责训练 pipeline 的工程优化，包括多任务调度、多模态数据协同加载、多GPU资源调度与 DDP 分布式加速
实现高效微调策略（如 LoRA、PEFT、Adapter 等），提升低资源条件下的模型定制效率
分析训练稳定性、收敛性能与资源利用效率，设计可量化的训练质量评估与异常监控机制
与算法团队深度协作，参与模型结构设计、系统瓶颈分析与底层训练策略联合优化
持续跟进并引入大模型训练相关前沿技术，如混合精度、异构加速、编译优化等，提升训练系统性能上限
优先资格
具备良好的工程能力，熟悉 CI/CD 流程、训练日志分析与调参监控
有实际多模态模型训练经验（语音/动作/图文任一方向），熟悉多模态输入调度与训练过程控制
在HCI、HRI、RSS、CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上发表论文者
具有优秀的代码能力和竞赛精神，ACM/ICPC、RoboMaster等比赛获奖者
AI 洞察
优缺点分析
优点
- 参与人形机器人前沿AI技术研发，接触多模态大模型最新实践
- 公司处于B轮快速发展期，技术自主度高，有较多创新空间
- 薪资待遇优厚，技能积累扎实，市场稀缺性强
- 训练大模型对计算资源和工程能力要求高，需应对复杂系统问题
- 工作强度可能较大，尤其在项目交付或实验阶段
缺点 / 挑战
- 需要持续跟进快速变化的技术栈，保持学习压力
- 适合对生成式AI和机器人有热情、享受工程挑战、具备扎实分布式训练经验的工程师
角色解读
- 从训练工程师向算法专家或系统架构师发展，深入模型设计与优化
- 可晋升为技术Lead，带领团队负责大规模训练系统的建设
- 在机器人AI领域积累经验，未来可转向通用人工智能研究或创业
- 搭建和维护多模态大模型的训练pipeline，包括数据加载、分布式训练、模型评估与部署
- 优化训练效率，使用DeepSpeed、FSDP等工具实现多GPU加速，并探索LoRA等高效微调策略
- 与算法团队合作，分析训练稳定性与资源利用，设计监控机制并引入前沿训练技术
- 熟练掌握PyTorch、DeepSpeed、FSDP等深度学习框架和分布式训练工具
- 熟悉Transformer架构及大模型预训练、微调、推理部署全流程
- 具备良好的工程能力，包括CI/CD、日志分析与调参监控经验
- 对多模态学习（语音、动作、视频）有实际经验者优先
申请策略
- 深入了解智元机器人的技术方向，在面试中展现对人形机器人智能化的热情
- 准备一个完整的训练系统设计案例，展示从数据处理到部署的端到端能力
- 突出大模型预训练/微调项目经验，量化训练效率提升或模型性能改进
- 展示使用DeepSpeed、FSDP等工具的分布式训练实践
- 强调多模态数据处理和训练pipeline搭建经历
- 如有论文或竞赛获奖，列出相关成果
- 深入学习多模态模型架构（如CLIP、LLaVA等）及其训练方法
- 掌握更多训练优化技术，如混合精度、梯度检查点、编译优化等
面试指南
- 项目经验问题：用STAR法则（情境、任务、行动、结果）结构化回答，突出技术难点和量化成果
- 技术原理问题：先解释概念，再结合实践说明，体现深度思考
- 问题排查类：展示系统性思维，从数据、模型、硬件、代码等多角度分析
- 请描述你过去参与的一个大模型训练项目，包括数据、模型、训练策略和遇到的挑战
- 如何优化多GPU分布式训练的效率？请具体说明使用的工具和调优方法
- LoRA和传统微调有什么区别？在什么场景下选择LoRA？
- 多模态训练中如何处理不同模态的数据对齐和调度？
- 如何监控训练稳定性？如果loss出现异常波动，你会如何排查？
职位点评
72
综合评分
前沿大模型训练岗位，技术成长快、薪资优厚，但工作强度较高且办公灵活性低。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长和高薪资的开发型人才，对WLB要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展88
工作生活40
使命价值80
薪资福利
75中等
该职位薪资水平较高，B轮公司通常提供有竞争力的现金和期权，但福利具体未明确。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
88较高
职位涉及前沿大模型训练技术，有大量学习和成长机会，但晋升路径未明确提及。
技术前沿前沿/新兴技术
技术栈多模态大模型、LoRA、PEFT、DeepSpeed、FSDP、混合精度、异构加速
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工作或WLB信息，可能面临高强度加班。
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
参与人形机器人智能化，技术有社会价值，属于高速增长赛道。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号对推动人形机器人智能化有热情
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