1、负责面向飞行器、扫地机等设备场景的具身智能基础模型预训练； 2、参与 VLA、World Model、Video Model、多模态时序模型等模型架构设计； 3、负责视觉、语言、视频、动作、轨迹、传感器、地图等多模态数据的表征学习和统一建模； 4、设计预训练任务，包括图文/视频语言对齐、视频预测、状态预测、动作预测、轨迹建模、masked modeling、自监督学习等； 5、负责训练数据清洗、配比、采样、tokenization、质量评估和训练实验迭代； 6、参与大规模分布式训练，解决训练稳定性、收敛效率、模型泛化等问题； 7、与后训练和端侧部署团队协作，保证预训练模型可以支撑真实任务适配，并具备硬件友好性； 职位要求： 必备能力 1、多模态预训练经验：熟悉 VLM、Video LLM、LLM、Diffusion、Transformer、SSM 等模型，有实际训练或深度研究经验。 2、大规模训练能力：熟悉 PyTorch/JAX，了解分布式训练、混合精度、数据并行/模型并行、训练稳定性调优。 3、数据构建能力：能处理大规模图像、视频、文本、时序数据，熟悉数据清洗、采样、配比、过滤、质量评估。 4、时序/视频建模能力：具备视频理解、视频生成、状态预测、长期时序建模相关经验，能够迁移到飞行器/扫地机任务。 5、多模态对齐能力：理解视觉、语言、视频、动作等模态如何对齐，能够设计合适的训练目标和模型接口。 6、硬件友好意识：了解模型尺寸、推理延迟、端侧算力、量化/蒸馏等约束，能在模型设计阶段避免纯云端大模型思路。 加分经验 7、有 VLM/Video LLM/多模态 Agent、 world model、视频预测、环境动态预测相关经验； 8、做过具身智能、机器人学习、3D/空间智能相关研究； 9、有顶会论文、开源模型、大规模训练项目经验； 10、有模型压缩、蒸馏、端侧友好结构设计经验。