RL/真机后训练实习生

我们是专注于具身智能的硬科技公司。这里没有繁杂的PPT文化，只有真机、真数据、真场景。你将直接接触下一代AI与物理世界的交互边界。 职责内容： • 参与基于SFT、BC、DAgger、离线RL（IQL/CQL）、在线RL（PPO/SAC）、偏好优化（DPO/GRPO）等方法进行策略后训练与迭代； • 参与负责数据策略设计，包括轨迹筛选、成功/失败样本分析、正负样本构造、hard case mining、数据重加权与课程学习； • 参与设计奖励函数与偏好对齐机制（任务完成奖励/过程奖励/安全约束/接触质量/动作平滑性/碰撞惩罚等）； • 参与真机数据采集、策略部署与Bad Case闭环迭代，多维拆解任务失败原因（数据/模型/动作空间/感知/控制/sim-to-real gap/场景分布/评测定义）； • 参与建立策略评测体系，定义成功率、稳定性、动作质量、安全性、恢复能力等指标，建立回归评测…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 1103 个上海技术研发岗位，其中 96 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 12K ~ 26K（25~75 分位），中位约 20K，最低 6K、最高 70K。