智元机器人
强化学习算法工程师/专家
强化学习算法工程师/专家
发布于 大约 2 小时前普通员工/个人贡献者
上海市 / 北京市
专家级经验
全职员工
仅现场办公
硕士
机器学习工程
Offline Rl
Online Rl
Pytorch
Vla
多模态模型
强化学习
机器人学习
模仿学习
AI 估算 · 40k–70k
强化学习算法专家在机器人领域稀缺，B轮公司提供有竞争力薪资，上海北京生活成本高，薪资水平较高。
职位详情
关于这个职位
该职位负责具身智能机器人的强化学习算法研发，包括后训练、真机部署与持续学习，涉及大规模真实机器人训练闭环
你将参与前沿的VLA模型后训练和Scaling Law研究，推动机器人任务成功率与泛化能力提升
适合对强化学习、机器人学习有深入理解，并具备较强实验与工程能力的候选人
最低要求
硕士及以上学历，计算机、机器人、自动化、人工智能等相关方向，具备扎实的强化学习 / 深度学习基础和良好的代码能力
熟悉强化学习、模仿学习或机器人学习，对 Offline / Online RL 等方向有较深入理解
具备较强的实验能力，能够独立推进算法设计、训练和真实系统验证
工作职责
负责具身基础模型的后训练与强化学习研发，持续提升机器人任务成功率、稳定性与泛化能力
研究如何利用机器人真实执行中的成功、失败、人工干预及环境反馈进行持续学习
构建高效、稳定、可扩展的 Offline / Online RL 与真机后训练体系
探索机器人经验的数据配方与 Scaling Law，研究交互规模与模型能力增长之间的关系
推动大规模真实机器人训练—执行—反馈—再训练闭环
优先资格
有 VLA 后训练、真机强化学习、大规模 RL 或多模态模型后训练经验者优先
有高质量论文、开源项目或同等研究 / 工程成果者优先
AI 洞察
优缺点分析
优点
- 公司 B 轮融资，资金充足，平台稳定
- 有机会参与大规模真实机器人训练，积累稀缺经验
- 技术难度高，需要持续学习
- 工作强度可能较大，实验周期长
- 竞争激烈，需要产出高质量成果
- 适合对强化学习有深厚兴趣、具备较强研究能力、能适应高强度工作的技术人才
缺点 / 挑战
- 处于具身智能前沿赛道，技术挑战大，成长空间大
角色解读
- 从算法工程师向专家或技术负责人发展
- 在具身智能领域深耕，成为行业稀缺人才
- 有机会参与前沿研究，发表高质量论文
- 负责具身智能模型的后训练与强化学习算法研发，提升机器人任务成功率与泛化能力
- 构建并优化 Offline/Online RL 训练体系，处理真实机器人执行中的反馈数据
- 探索数据配方与 Scaling Law，推动大规模训练闭环的落地
- 扎实的强化学习理论基础，熟悉 PPO、SAC 等算法
- 熟悉模仿学习、机器人学习，了解 VLA 模型
- 具备优秀的编程能力（Python、PyTorch），能独立进行实验
申请策略
- 了解智元机器人的产品和技术方向
- 准备展示你如何解决实际问题的案例
- 突出强化学习项目经验，尤其是 Offline/Online RL 相关
- 展示机器人或 VLA 相关项目成果
- 强调独立实验和解决问题的能力
- 补充 VLA 模型训练经验
- 加强大规模分布式训练技能
面试指南
- 结合具体项目经验，说明算法设计思路和实验验证过程
- 强调数据预处理和奖励设计的技巧
- 展示对 Scaling Law 的理解
- 如何设计一个 Offline RL 算法来提升机器人任务成功率？
- 你如何处理真实机器人数据中的噪声和稀疏奖励？
- 如何评估强化学习模型的泛化能力？
- 你如何优化大规模训练的效率？
- 复习强化学习核心算法，如 PPO、SAC、DQN
职位点评
73
综合评分
前沿技术、高成长、高薪资，但工作强度可能较大。
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前沿挑战，对工作生活平衡要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展95
工作生活40
使命价值85
薪资福利
70中等
薪资水平较高，但具体福利未披露，稳定性中等。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
前沿技术，成长空间大，但晋升路径未明确。
技术前沿前沿/新兴技术
技术栈强化学习、模仿学习、VLA、Offline RL、Online RL、机器人
业务类型profit_center
工作生活
40较低
工作地点固定，未提及弹性工作，可能加班。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
具身智能行业前景好，社会价值高，但具体使命未提及。
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