LongCat - 具身算法工程前沿研究

优缺点分析

角色解读

• 从算法工程师成长为具身智能领域的专家，主导核心模型的研究与落地
• 向团队技术负责人（Tech Lead）发展，带领小组攻克具身智能难题
• 参与行业顶级会议和竞赛，积累影响力，成为业内知名研究者
• 处理多源数据，包括第一人称视频、仿真数据和真实机器人数据，为模型训练提供高质量素材
• 设计具身智能系统的架构，包括Agent、大小脑、监控等多层次结构，并参与模型的全流程训练与部署
• 探索模型泛化性，通过少样本学习、自动探索等方法实现跨本体多任务能力
• 根据个人兴趣深入研究方向，如仿真数据生成、多模态Agent系统等前沿课题
• 扎实的编程能力，熟练掌握Python及相关深度学习框架（如PyTorch）
• 扎实的机器学习基础，熟悉深度学习、强化学习、多模态模型等
• 对机器人学、计算机图形学或具身智能有深入理解和实践经验
• 自驱力强，快速学习能力，能在不确定的前沿方向中探索和突破

申请策略

• 在求职信或面试中充分表达对具身智能未来的信念和热情，展示个人独到的见解
• 了解美团在零售+科技战略下的技术布局，结合业务场景思考具身智能的落地可能
• 突出在AI、机器人、计算机视觉或计算机图形学领域的研究经历和项目成果，特别是论文发表
• 强调编程能力和工程实现经验，如使用PyTorch、TensorFlow等框架完成大规模模型训练
• 展示对具身智能的理解和兴趣，例如相关课程、竞赛或独立探索
• 体现自驱力和快速学习能力，如快速掌握新技术或解决复杂问题的案例
• 补充强化学习、多模态模型、仿真环境（如MuJoCo、Isaac Sim）等技能
• 熟悉第一人称视频数据处理和机器人操作系统（ROS）

面试指南

• STAR法则：描述项目背景、任务、行动和结果，强调技术难点和解决方案
• 从问题定义到方案设计再到评估，展示系统思维和工程能力
• 结合具体论文或实验，说明理论理解和实践应用
• 请介绍你参与过的具身智能或机器人相关项目，你遇到的最大挑战是什么？
• 如何设计一个数据合成流程来生成多样化的机器人操作数据？
• 多模态大模型在具身智能中扮演什么角色？请举例说明
• 在模型泛化性方面，你熟悉哪些方法？比如零样本、少样本或在线学习
• 你对世界模型和物理智能融合的看法是什么？