研究型实习生-统一多模态AI安全：核身深伪对抗大模型与具身VLA安全插件

岗位职责

研究领域： 具身智能 项目简介： 核心痛点： 当前具身智能VLA（视觉-语言-动作）模型虽具备强大的语义理解与泛化能力，但在涉及物理接触的“最后一毫米”精密操作中，存在高频响应滞后与底层控制不安全的问题。全面微调VLA不仅成本高昂（需消耗大量算力），且极易引发灾难性遗忘，破坏基座模型固有的广泛认知能力。

技术机遇与路线： 借鉴RLToken前沿范式，本项目提出业内首创的“VLA安全后插件”机制。即在彻底冻结VLA基座的前提下，将其内部表征压缩为轻量化RLToken，并与高频六维力觉感知异步融合，通过强化学习（RL）构建独立于基座的轻量级安全控制层。

验证场景： 聚焦于高风险精密场景（如紧固件安装、线缆插拔、易碎品搬运、人机协作打扫等），在真实机器人平台上进行在线学习与作业验证，旨在打通“上层语义安全”与“底层物理安全”之间的真空地带。

任职要求

研究领域：

• 目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位
• 具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go
• 具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用：
• 对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色
• 在国际会议上或核心期刊发表一份或多份出版物或论文
• 至少3个月的全职工作

特色标签

6维力觉传感、C/C++、Deepfake对抗、Deepfake攻防、Embodied AI、Force-Torque感知、Golang、High-Frequency Response、Java、Lightweight、Python、Reinforcement Learning、RL、Safety Plugin、Vision-Language-Action模型、VLA模型、低延迟响应、六维力反馈、具身AI、具身人工智能、具身智能、具身机器人、发表算法相关优秀论文、增强学习、多模态算法、大模型算法、安全后插件、安全控制插件、强化学习、机器人、模型加速/性能优化、深度伪造对抗、深度学习、算法工程化经验、视觉-语言-动作模型、轻量模型、轻量级、高频率响应