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": "【精英实习】具身智能算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "伏羲机器人",
"location": "杭州市",
"work_mode": "未披露",AI生成
"job_category": "人工智能"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 0,
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责具身基座模型（VLA、WAM）的工程化落地，包括预训练、模型微调、后训练优化以及实际效果调优；\n2、参与基于多模态大模型的机器决策控制工程化工作，包括训练框架搭建、数据集处理、推理加速，以及在真机上的部署与测试；\n3、优化大模型的训练效率以及资源利用率，熟练运用诸如模型并行、Flash Attention、LoRA等技术；\n4、负责云端数据处理以及分布式训练落地，优化大模型的多模态任务处理能力；\n5、跟进多模态大模型与具身智能的前沿应用进展，负责模型在机器人场景的部署与技术转化。",
"requirements_text": "1、熟练掌握大语言模型及多模态大模型的训练和优化方法，精通主流深度学习框架 PyTorch，熟悉 TensorRT 、RTC等推理加速与端侧部署技术，熟练掌握 Python 或 C++ 至少一种编程语言；一种编程语言；\n2、具备过硬的工程能力，能够独立完成特定任务开发，重视代码质量，精通调试和代码优化；\n3、具备大规模多机多卡分布式训练和高效微调（如 LoRA、低资源训练）技术落地经验，能够显著提升训练效率与工程实用性；\n4、具备云端算力管理和多模态任务优化能力，对高效工程实现和模型结果追求卓越；\n5、有机器人相关项目经验，熟悉在实际工业场景中实现机器学习算法部署；\n6、具备扎实的工程能力，能高效实现模型工程化迭代，优先考虑具备液压控制或工程机械行业实践经验者；\n7、有较强的创新意识，具有模仿学习或强化学习工程化实现经验者（如 PI05、DP、Offline RL、Dagger）为佳。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"机器学习",
"深度学习",
"强化学习",
"大语言模型"
],
"preferred_qualifications": "6、具备扎实的工程能力，能高效实现模型工程化迭代，优先考虑具备液压控制或工程机械行业实践经验者",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://hr.163.com/job-detail.html?id=77978&lang=zh"
}
]
},
"posting": {
"posting_id": "77978",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=77978&lang=zh"
},
"fulltext": "【精英实习】具身智能算法工程师\n职位描述\n1、负责具身基座模型（VLA、WAM）的工程化落地，包括预训练、模型微调、后训练优化以及实际效果调优；\n2、参与基于多模态大模型的机器决策控制工程化工作，包括训练框架搭建、数据集处理、推理加速，以及在真机上的部署与测试；\n3、优化大模型的训练效率以及资源利用率，熟练运用诸如模型并行、Flash Attention、LoRA等技术；\n4、负责云端数据处理以及分布式训练落地，优化大模型的多模态任务处理能力；\n5、跟进多模态大模型与具身智能的前沿应用进展，负责模型在机器人场景的部署与技术转化。\n\n职位要求\n1、熟练掌握大语言模型及多模态大模型的训练和优化方法，精通主流深度学习框架 PyTorch，熟悉 TensorRT 、RTC等推理加速与端侧部署技术，熟练掌握 Python 或 C++ 至少一种编程语言；一种编程语言；\n2、具备过硬的工程能力，能够独立完成特定任务开发，重视代码质量，精通调试和代码优化；\n3、具备大规模多机多卡分布式训练和高效微调（如 LoRA、低资源训练）技术落地经验，能够显著提升训练效率与工程实用性；\n4、具备云端算力管理和多模态任务优化能力，对高效工程实现和模型结果追求卓越；\n5、有机器人相关项目经验，熟悉在实际工业场景中实现机器学习算法部署；\n6、具备扎实的工程能力，能高效实现模型工程化迭代，优先考虑具备液压控制或工程机械行业实践经验者；\n7、有较强的创新意识，具有模仿学习或强化学习工程化实现经验者（如 PI05、DP、Offline RL、Dagger）为佳。\n1、负责具身基座模型（VLA、WAM）的工程化落地，包括预训练、模型微调、后训练优化以及实际效果调优；\n2、参与基于多模态大模型的机器决策控制工程化工作，包括训练框架搭建、数据集处理、推理加速，以及在真机上的部署与测试；\n3、优化大模型的训练效率以及资源利用率，熟练运用诸如模型并行、Flash Attention、LoRA等技术；\n4、负责云端数据处理以及分布式训练落地，优化大模型的多模态任务处理能力；\n5、跟进多模态大模型与具身智能的前沿应用进展，负责模型在机器人场景的部署与技术转化。\n1、熟练掌握大语言模型及多模态大模型的训练和优化方法，精通主流深度学习框架 PyTorch，熟悉 TensorRT 、RTC等推理加速与端侧部署技术，熟练掌握 Python 或 C++ 至少一种编程语言；一种编程语言；\n2、具备过硬的工程能力，能够独立完成特定任务开发，重视代码质量，精通调试和代码优化；\n3、具备大规模多机多卡分布式训练和高效微调（如 LoRA、低资源训练）技术落地经验，能够显著提升训练效率与工程实用性；\n4、具备云端算力管理和多模态任务优化能力，对高效工程实现和模型结果追求卓越；\n5、有机器人相关项目经验，熟悉在实际工业场景中实现机器学习算法部署；\n6、具备扎实的工程能力，能高效实现模型工程化迭代，优先考虑具备液压控制或工程机械行业实践经验者；\n7、有较强的创新意识，具有模仿学习或强化学习工程化实现经验者（如 PI05、DP、Offline RL、Dagger）为佳。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}