1、负责具身智能基座模型微调以及 RL 后训练流程搭建与优化（VLA 模型 /世界模型+ 机器人策略学习），对策略成功率与跨平台泛化性负责 2、跟进 VLA / 机器人策略学习前沿研究（Rlinf/ π0.5/ π0.7 / RL100 / ConRFT 等），完成论文复现与真机 / 仿真环境实验报告 3、负责机器人真机RL数据策略设计、reward shaping（任务成功 + 过程奖励）、online/offline训练和真机实验 4、跟踪训练关键指标（success rate / KL 漂移 / 跨平台泛化 ），定位训练不稳定 / 跨平台失败等常见问题 5、协助业务方对接真实机器人场景，交付和部署可稳定执行的操作模型 1、计算机 / 自动化 / 机器人 / 机械电子等相关专业硕士在读，27 / 28 届优先 2、熟悉 Transformer / 扩散策略 / Diffusion Policy 等 VLA 主流架构，深入理解 PPO / GRPO / DPO / IQL / CQL 等至少一种 RL 后训练算法 3、熟练使用 PyTorch / Isaac Sim / MuJoCo / ROS，有 Hugging Face / vLLM / DeepSpeed / Verl 等框架经验者优先 4、有真实机器人 / 仿真环境（Isaac Gym / MuJoCo / Genesis / Isaac Lab）实操经验者优先 5、目标导向、进取当责、良好的学习能力与团队协作精神