岗位描述（节选）
1、参与视觉-语言-动作 (VLA) 模型与具身世界模型相关算法研究，协助开展多模态建模、视频/动作生成、视觉表征学习、策略学习等方向的实验与迭代。
2、参与核心模型模块研发，包括模型搭建、训练调优、实验分析与评测，支持算法在具身任务中的验证与优化。
3、协助开展图像/视频编码器、离散/连续tokenizer、多模态融合等技术探索，支持世界模型训练链路建设。
4、跟踪具身智能、多模态大模型、生成模型等前沿论文，进行复现、调研与方案对比，形成实验结论与技术洞察。
5、与算法、数据、Infra团队协作，推动研究方案在真实训练环境中的落地验证。
1、国内外高校硕士/博士在读，计算机、人工智能、机器人、自动化、数学等相关专业。
2、具备扎实的深度学习基础，熟悉PyTorch等框架，有较强的实验能力与代码能力。
3、对具身智能、多模态学习、世界模型、视频生成、强化学习或机器人学习等方向……
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。