高级ai工程师

岗位职责
一、大模型开发与优化
1、模型预训练与调优 主导大语言模型（LLM）及多模态大模型（如Vision-Language Models）的预训练任务设计、数据清洗及参数优化。提升模型在机器人指令理解、场景感知等任务的零样本能力。
2、训练效率突破 应用分布式训练技术（模型并行/数据并行），集成FlashAttention、LoRA等高效训练方案。 优化GPU集群资源调度，实现万亿Token数据处理吞吐量提升。
二、机器人控制算法研发
1、具身智能算法设计 构建基于大模型的机器人控制框架，将自然语言指令转化为运动规划参数。开发模仿学习算法，生成安全、平滑的动作轨迹。
2、真机部署与测试 设计模型轻量化方案（量化/蒸馏），满足嵌入式平台实时性要求。 主导真机测试闭环，通过仿真-实物迁移技术解决感知-控制误差。
三、前沿技术探索与落地
1、技术预研 跟踪具身智能前沿，评估其在抓取、导航等场景的应用价值。 探索大模型与强化学习融合方案（LLM+MBRL），提升复杂环境决策鲁棒性。
2、工程化落地 开发机器人硬件接口中间件，实现大模型输出→ROS 2控制指令的无损转换。 构建自动化评估体系，量化算法在长尾场景的泛化能力（如陌生物体操作成功率）。

二、任职资格
1、专业学历：本科及以上学历，计算机、人工智能、机器人、自动化等相关专业。
2、行业经验：3年以上大模型训练/部署经验，熟悉Transformer/BERT/GPT等架构。具机器人算法开发经历（运动规划/控制/感知任一方向）。参与过人形机器人、工业臂等具身智能项目、机器人操作系统（ROS/ROS 2）实战经验等优先。
3、关键技能
（1）硬核能力： 精通PyTorch/TensorFlow，掌握Python/C++混合编程。 熟练应用DeepSpeed/Megatron等分布式训练框架。掌握大模型高效微调技术（P-Tuning/LoRA/QLoRA）。
（2）领域技能： 精通模仿学习（ACT/BC）及Model-Based RL算法（PETS/MBPO）； 熟悉机器人传感器数据融合（视觉/激光/力控）。
4、性格特质 工程化思维：平衡算法创新与落地约束（算力/延迟/安全）。 技术热情：持续跟踪AI顶会（NeurIPS/ICRA/CVPR），保持技术敏感度。 协作精神：能高效沟通硬件、控制、测试等多团队。
5、加分项 在AI/机器人顶会（CVPR/ICRA/RSS等）发表一作论文。 主导过大模型在机器人场景的端到端落地项目。 持有AI芯片（NVIDIA Jetson/寒武纪）优化部署经验。 熟悉机器人安全标准（ISO 10218/ISO 13482）。

经验：3-5年，学历：本科以上，薪资范围：15k-30K、缴纳五险一金