主分类：机器人与自动驾驶算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "菜鸟-具身智能强化学习算法工程师-杭州",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "菜鸟",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "菜鸟",
"company_industry": "物流 / 供应链 / 物流科技",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "菜鸟提供电商物流服务，并研发自动化及智能化物流技术产品。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 策略后训练：负责 VLA / 基础操作模型的后训练全流程，在预训练/模仿学习得到的基座策略之上，通过强化学习微调（RLFT）、离线 RL、DAgger、HIL-SERL 、RECAP 等手段持续提升真实仓储任务的成功率与鲁棒性。\n2. 奖励与数据闭环：设计任务奖励函数与自动成功判定，搭建 Reward Model / 偏好数据标注流程，构建\"部署→失败挖掘→补采/在线交互→后训练→自动评测→再部署\"的策略迭代闭环。\n3. 大规模训练：在仿真并行环境与真机上开展大规模 Rollout 与 RL 训练，负责采样、经验回放、分布式训练框架的搭建与吞吐优化。\n4. 评测与安全：建立后训练前后的量化 Benchmark（成功率、恢复能力、碰撞率、泛化性），管控灾难性遗忘与安全约束，保障策略上真机的稳定性。",
"requirements_text": "1. 计算机/自动化/机器人相关专业，扎实的 Python 工程能力。\n2. 系统掌握强化学习原理，熟悉各类 On/Off-Policy 等强化学习算法及其调参与稳定性问题。\n3. 了解模仿学习与 VLA 训练范式，理解预训练与后训练的分工与衔接。\n4. 熟悉至少一种仿真/训练平台（Isaac Lab/Isaac Gym/MuJoCo），具备真机或仿真 RL 落地经验。\n加分项：\n1. 有大模型/VLA 后训练经验（RLHF/RLAIF、偏好优化、奖励建模）。\n2. 有 HIL-SERL、RECAP、Diffusion Policy、π 系列、GR00T、OpenVLA 等实践经验。\n3. 有 Sim2Real 迁移或在线 RL 真机部署的完整案例。\n4. 有分布式/GPU 并行训练基础设施经验。\n5. 有仓储物流自动化背景，或 CoRL/RSS/ICRA/IROS 论文、优质开源项目。",
"skills": [AI生成
"Python",
"强化学习",
"建模",
"大语言模型"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.cainiao.com/off-campus/position-detail?positionId=100002466009"
}
]
},
"posting": {
"posting_id": "100002466009",
"post_date": "2026-08-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.cainiao.com/off-campus/position-detail?positionId=100002466009"
},
"fulltext": "菜鸟-具身智能强化学习算法工程师-杭州\n菜鸟-具身智能强化学习算法工程师-杭州\n\n基础信息\n职位类别：技术类-算法\n工作地点：杭州\n\n职位描述\n1. 策略后训练：负责 VLA / 基础操作模型的后训练全流程，在预训练/模仿学习得到的基座策略之上，通过强化学习微调（RLFT）、离线 RL、DAgger、HIL-SERL 、RECAP 等手段持续提升真实仓储任务的成功率与鲁棒性。\n2. 奖励与数据闭环：设计任务奖励函数与自动成功判定，搭建 Reward Model / 偏好数据标注流程，构建\"部署→失败挖掘→补采/在线交互→后训练→自动评测→再部署\"的策略迭代闭环。\n3. 大规模训练：在仿真并行环境与真机上开展大规模 Rollout 与 RL 训练，负责采样、经验回放、分布式训练框架的搭建与吞吐优化。\n4. 评测与安全：建立后训练前后的量化 Benchmark（成功率、恢复能力、碰撞率、泛化性），管控灾难性遗忘与安全约束，保障策略上真机的稳定性。\n\n职位要求\n1. 计算机/自动化/机器人相关专业，扎实的 Python 工程能力。\n2. 系统掌握强化学习原理，熟悉各类 On/Off-Policy 等强化学习算法及其调参与稳定性问题。\n3. 了解模仿学习与 VLA 训练范式，理解预训练与后训练的分工与衔接。\n4. 熟悉至少一种仿真/训练平台（Isaac Lab/Isaac Gym/MuJoCo），具备真机或仿真 RL 落地经验。\n加分项：\n1. 有大模型/VLA 后训练经验（RLHF/RLAIF、偏好优化、奖励建模）。\n2. 有 HIL-SERL、RECAP、Diffusion Policy、π 系列、GR00T、OpenVLA 等实践经验。\n3. 有 Sim2Real 迁移或在线 RL 真机部署的完整案例。\n4. 有分布式/GPU 并行训练基础设施经验。\n5. 有仓储物流自动化背景，或 CoRL/RSS/ICRA/IROS 论文、优质开源项目。\n1. 策略后训练：负责 VLA / 基础操作模型的后训练全流程，在预训练/模仿学习得到的基座策略之上，通过强化学习微调（RLFT）、离线 RL、DAgger、HIL-SERL 、RECAP 等手段持续提升真实仓储任务的成功率与鲁棒性。\n2. 奖励与数据闭环：设计任务奖励函数与自动成功判定，搭建 Reward Model / 偏好数据标注流程，构建\"部署→失败挖掘→补采/在线交互→后训练→自动评测→再部署\"的策略迭代闭环。\n3. 大规模训练：在仿真并行环境与真机上开展大规模 Rollout 与 RL 训练，负责采样、经验回放、分布式训练框架的搭建与吞吐优化。\n4. 评测与安全：建立后训练前后的量化 Benchmark（成功率、恢复能力、碰撞率、泛化性），管控灾难性遗忘与安全约束，保障策略上真机的稳定性。\n1. 计算机/自动化/机器人相关专业，扎实的 Python 工程能力。\n2. 系统掌握强化学习原理，熟悉各类 On/Off-Policy 等强化学习算法及其调参与稳定性问题。\n3. 了解模仿学习与 VLA 训练范式，理解预训练与后训练的分工与衔接。\n4. 熟悉至少一种仿真/训练平台（Isaac Lab/Isaac Gym/MuJoCo），具备真机或仿真 RL 落地经验。\n加分项：\n1. 有大模型/VLA 后训练经验（RLHF/RLAIF、偏好优化、奖励建模）。\n2. 有 HIL-SERL、RECAP、Diffusion Policy、π 系列、GR00T、OpenVLA 等实践经验。\n3. 有 Sim2Real 迁移或在线 RL 真机部署的完整案例。\n4. 有分布式/GPU 并行训练基础设施经验。\n5. 有仓储物流自动化背景，或 CoRL/RSS/ICRA/IROS 论文、优质开源项目。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}