资深具身大模型算法工程师

优缺点分析

角色解读

• 在具身智能这一前沿赛道深耕，成为领域专家，主导下一代工业机器人智能算法的研发
• 有机会从算法工程师向技术专家或技术管理方向发展，带领团队攻克技术难题
• 依托宁德时代在工业场景的丰富资源，积累从算法研发到产线落地的全栈经验，成为稀缺的复合型人才
• 负责具身大模型（VLA/世界模型）预训练核心模块的方案设计与工程实现，落地Transformer与Diffusion融合的具身操作策略架构
• 搭建和优化面向工业场景的大规模多模态数据预训练流程，包括数据采集、清洗、质量评估与格式标准化
• 设计并执行消融实验，验证模型缩放规律、数据质量影响及架构选型差异，持续提升模型成功率与泛化能力
• 配合团队将模型部署至真实工业场景，完成从研发到产线的闭环落地
• 精通Python与PyTorch，具备扎实的深度学习网络结构搭建与调优能力
• 深入理解Transformer及其变体（自注意力机制、KV Cache、MoE、LoRA/Adapter等）和扩散模型训练机制
• 具有VLM/VLA/世界模型研发经验，熟悉模仿学习/IL、Diffusion Policy等机器人策略学习方法
• 熟悉Linux系统，了解C++，具备ROS/ROS2机器人中间件及仿真平台（IsaacSim、MuJoCo）使用经验

申请策略

• 在申请时，可以准备一个关于你如何设计数据金字塔配方或解决Sim-to-Real迁移问题的案例，以展示你的实践能力
• 了解宁德时代在智能制造、物流等领域的业务布局，在面试中展现你对工业场景的理解和热情
• 重点突出具身大模型（VLA/世界模型）的预训练项目经验，详细描述你的技术方案、模型架构和性能提升数据
• 强调在Transformer、Diffusion、模仿学习等领域的深入理解和实际应用，展示你的算法创新能力
• 突出工业场景机器人项目的落地经验，体现你将算法转化为实际生产力的能力
• 提及你在数据处理、训练管线搭建方面的经验，展现你的工程化能力
• 系统梳理VLA、世界模型的最新论文，深入理解其架构设计和训练技巧
• 熟悉ROS/ROS2和机器人仿真平台（IsaacSim、MuJoCo），提升机器人应用层开发能力

面试指南

• 回答技术问题时，采用STAR法则（情境-任务-行动-结果），清晰阐述你的思考过程、技术选型和量化成果
• 对于开放性问题，可以结合你的项目经验，从数据、模型、部署三个层面系统性地阐述你的观点
• 在讨论技术方案时，要体现你对工业场景的思考，如稳定性、安全性、效率等
• 请详细介绍一下你参与过的具身大模型预训练项目，包括模型架构、数据处理和最终效果
• 在设计数据金字塔配方时，你会如何平衡不同数据源（真机、仿真、互联网）的比例？
• 如何评估一个具身大模型的泛化能力？你会设计哪些实验来验证？
• 在将模型从仿真环境迁移到真实工业场景时，你遇到过哪些挑战？如何解决？
• 谈谈你对VLA模型和世界模型未来发展趋势的理解，以及它们在工业场景中的应用前景