岗位描述
团队概述 我们聚焦物流场景中最具挑战性的分拣任务,通过构建通用 agent harness,将大模型的规划、推理与代码能力迁移到真实分拣作业中,并结合数据飞轮、模型适配与后训练、评测与实验,打造面向物流场景的具身自进化系统。你将参与这套系统从闭环设计到真实落地的核心探索,重点研究通用 harness 闭环与 VLA / World Action Model(WAM)的结合。 职位职责 1. 设计并探索面向具身系统的自改进闭环:围绕分拣任务,打通执行、自动评估、失败诊断(抓取失败、碰撞、放置偏差、超时等)、改进方案自动生成、回归验证与合入或回滚决策。 2. 探索通用 harness 闭环与 VLA / WAM 的结合:将 VLA 封装为可替换的标准执行接口;探索 VLA 作为执行器、自评估信号源、候选动作提议器和后训练对象四种角色的可行性,并评估延迟预算与控制权交接协议。 3. 构建数据飞轮与模型适配:将闭环轨迹自动筛选、标注、入库,用于 VLA / WAM 后训练;建立失败归因机制,判断改进应落在 harness 层还是模型层,并验证多轮迭代的成功率提升。