负责大规模分布式训练与推理基础架构的设计、开发和优化，支持千卡级大模型训练；针对多模态数据特点，通过分布式并行策略和通信优化技术支持长序列训练，解决训练效率瓶颈；构建和维护海量多模态数据的流式处理管道，支撑大规模预训练阶段的数据高速加载；负责多模态推理引擎的功能开发和性能优化，包括吞吐优化、时延优化和性能瓶颈排查。要求熟悉Transformer模型架构，精通Megatron-LM、DeepSpeed、Colossal-AI等训练框架之一...

负责多模态大模型预训练、监督微调（SFT）、对齐等各阶段的模型开发与训练，探索高效模型结构、多模态Scaling Law、数据配比和性能优化；参与多模态大模型的训练加速与高效部署，包括系统调优、硬件适配等；跟踪前沿多模态算法与应用研究，并推动多模态AI能力在产品中的落地。要求硕士及以上学历，3年以上算法开发经验、1年以上大模型相关经验，熟悉多模态大模型原理、PyTorch等深度学习框架、模型开发部署与微调，以及DeepSpeed、Meg...

负责多模态大模型在预训练、指令微调、偏好对齐等阶段的数据建设工作，包括数据采集、数据入库、数据清洗、数据观测、数据挖掘等环节；负责多模态数据的闭环验证，建立从数据构造、模型训练到性能评测的全链路闭环体系，确保数据有效提升模型基础能力；参与训练数据全生命周期管理体系建设，支撑多模态大模型场景下海量训练数据的高效读取，提升模型训练工程效率；跟进业界最新技术与进展，结合实际场景落地，持续提升数据质量并挖掘数据价值。要求具备扎实编码能力，熟悉...

负责多模态基础模型的强化学习相关算法工作，参与模型训练、调优和部署，确保算法有效性与效率；开展多模态大模型强化学习技术的前瞻性探索，包括离线强化学习、多轮强化学习等方向；改进多模态大模型强化学习分布式工程框架，实现更高效的模型训练。要求具备计算机科学、电子信息、人工智能、统计学等相关专业硕士及以上学历，具备扎实算法基础，熟悉机器学习与强化学习技术，精通 PyTorch、Transformers、verl 等主流框架，具备 RL 算法优化...

主导多模态大模型在预训练、SFT（指令微调）、RLHF（偏好对齐）等全阶段的数据体系建设，攻克海量多模态语料的智能采集、多维清洗、去重过滤、自动化标注与深度挖掘等关键问题；建立“数据合成与构造—模型训练—能力评测”的全链路闭环验证体系，通过数据消融与归因分析推动模型能力提升；参与设计并优化 PB 级多模态训练数据的全生命周期管理架构，提升海量数据吞吐与加载效率，支撑大规模分布式训练；持续跟踪并复现前沿技术成果，将数据端与多模态算法相关前...

围绕动作建模、表征学习、世界模型和硬件方向开展研究与工程落地；负责动作表示与生成策略，并在真机任务上形成可量化收益；探索并落地空间感知、定位能力以及视触觉、力矩等多源感知融合，开展 VLM 相关视觉编码器探索；负责末端执行器、关节、传感器方案的需求定义与原型迭代，集成并优化触觉、力矩、多点触控等传感器方案，保障新技能可学习、可评测；开展世界模型探索，包括视频数据清洗切片以及 baseline 的复现与训练。

围绕具身智能数据基础设施建设完整数据闭环，覆盖数据采集、清洗标注、增强合成、策略训练到部署验证；设计多源异构数据采集管线，对接遥操作、人手动捕、外骨骼、仿真等不同数据源，打通从原始传感器数据到可训练格式的全链路；构建数据处理与增强算法，包括视觉域适配、异常轨迹检测与清洗、多模态对齐；搭建具身数据平台，统一数据格式与版本管理、元数据索引、数据可视化回放及训练数据高性能加载；实现大规模仿真数据生成，包括分布式调度仿真环境、自动标注、轨迹过滤...

负责真机部署、数据、仿真及 Infra 相关平台工作；维护数据与评测体系，处理真机与仿真数据，进行质量验证与评测；收集和清洗预训练数据，完成商用或开源机械臂系统集成与真机评测，并支持 Teleop 数据采集与质量验证；在 Isaac Sim、MuJoCo 中搭建任务并生成仿真数据与基准；负责模型闭环工程，包括训练脚本、推理优化、部署稳定性、延迟与可靠性优化，搭建训练和评测环境，开展预训练、微调与效率优化；配合硬件与控制链路，确保输出动作...

负责 MiniCPM-o 在长视频、长音视频上下文、长文本场景下的模型训练与效果优化；建设长上下文训练数据链路，完成长视频训练数据处理与稳定训练；参与长上下文全模态模型训练策略设计，包括数据配比、长序列稳定训练优化；针对长视频问答、多轮历史上下文等任务，设计训练实验和评测分析方案。

参与 MiniCPM-o 多模态模型的音视频联合理解能力建设，包括音频理解、视频理解、音视频联合理解等方向；参与全模态全双工大模型研发，包括主动提醒、边看边说、打断处理等能力建设；负责音频、视频多模态训练数据的构建、清洗、配比与训练策略设计，提升模型在复杂全模态场景下的理解与推理能力；优化音视频-语言模态对齐、时间建模、长序列建模和多模态融合效果。