The posting
职位描述 负责 VLA 具身模型后训练阶段的数据体系建设与算法研发，面向 SFT、DPO、RLHF/RLAIF 等后训练范式，搭建高质量后训练数据生产、筛选、编排、评估闭环，支撑具身大模型对齐与能力迭代。 后训练多模态数据质量建模：针对视频、图像、机器人状态、动作轨迹、指令、反馈偏好等时序多模态数据，做一致性校验、时序对齐、噪声 / 坏样本识别、隐私脱敏，建立适配后训练目标的可解释质量打分、错误归因体系，区分指令歧义、动作不合理、轨迹矛盾、图文不匹配等问题。 后训练样本自动标注与增强算法：基于 VLM、视频理解模型研发自动化标注工具链，实现指令改写、偏好对构建、轨迹重描述、结果评判、正负样本构造、困难样本增广，落地 SFT / 偏好数据的自动化生产，降低人工标注成本。 面向后训练目标的高价值样本挖掘：从原始采集数据、模型 rollout 回放数据中挖掘高冲突、高难度、长尾、边界、失败轨迹样本；开发多模态检索、表征聚类、去重、难度评估、偏好价值打分算法，优化后训练数据采样策略。 数据分布与编排优化：围绕场景 × 任务 × 物体 × 动作 × 失败类型 × 偏好维度建立后训练数据分布矩阵，量化数据覆盖度、分布偏移、正负样本配比、难度分层；开发数据混排、课程式采样、动态配比算法，输出分布监控看板。 数据 - 模型对齐闭环迭代：协同 VLA 模型、后训练对齐团队，分析 SFT/DPO/RL 阶段模型收益、过拟合、泛化衰减、任务失败 case，反向定位数据缺陷、分布缺口、偏好矛盾；驱动数据采集、过滤、增强、重标注策略持续迭代，打造后训练数据飞轮。
职位要求 本科及以上，计算机、人工智能、自动化、机器人、数学等相关专业 熟练 Python，精通 PyTorch/TensorFlow 任一深度学习框架，熟悉多模态数据处理、模型训练流程 熟悉 VLM、视频理解、多模态大模型、VLA 具身模型；理解 SFT、DPO、偏好学习、对比学习、表征检索、异常检测等相关技术 能够独立完成问题定义、算法设计、实验验证、指标评估、链路落地全流程，擅长跨团队协同对齐模型侧需求 熟练使用 AI Coding、Agent 开发工具提升算法迭代效率 加分项 有 SFT/DPO/RLHF/RLAIF 后训练数据、偏好数据构建经验；机器人具身、仿真 rollout、自动驾驶时序多模态数据处理经验；大规模大模型数据清洗、数据配比、课程采样、数据飞轮落地经验；VLM/VLA/ 世界模型 / 机器人学习相关项目；顶会论文、数据竞赛、相关开源贡献。 岗位价值 负责 VLA 具身模型后训练对齐阶段的数据智能体系，决定 SFT / 偏好数据的质量、分布与难度编排，直接影响模型指令跟随、任务鲁棒性、偏好对齐效果以及实体机器人上的零样本泛化与复杂任务成功率。
