RL 后训练算法工程师· 2026-09-08

深圳 / 北京 / 上海正式

介绍

让大模型在机器人上「边干边学」：训练模型、写代码，赋予机器人持续学习、提升自我的能力。社招校招同步热招，孙鹏博士亲自面。

描述

【我们到底在做什么】一句话：让大模型在机器人上“边干边学”。训练模型、写代码，赋予机器人持续学习、提升自我的能力。【5 个关键词拆解岗位职责】 1. 大规模训练后训练有自己的 scale-up 节奏。适配代码框架，把生产性训练的吞吐和效率拉满。关键词：多机多卡多核 scaling 2. 真机强化学习机器人在模拟器的学习如何带到真实世界？又怎样在真实物理世界直接试错、提升？关键词：真机，sim2real 3. Harness 错误恢复？Steerable？快慢思考？一机多脑？技能沉淀和复用？——模型这个引擎更要配上优秀的内饰，加一起才是好车。关键词：harness-engineering 4. AutoResearch 大模型监督真机或模拟器的后训练，调研、改进、实验、评测，科研全链路自动化、人类零干预。关键词：“困”在数字世界的超级智能自我尝试在物理世界长出手脚 5. 模拟器与评测 Isaac / Genesis-World / MuJoCo / … 模拟真实场景，真机行不行，模拟器里的表现先说了算。关键词：模拟器场景开发，评测体系【怎么投递】 · 简历发到：[email protected] · 邮件主题：「RL后训练+姓名+现所在公司/学校」 · 走内推 / 官网投递同样欢迎 · 孙鹏博士亲自面，欢迎各路 RL 豪杰来交流