世界模型算法工程师

1、计算机科学、人工智能、机器人、自动化等相关专业硕士或博士；熟练掌握深度学习基本原理，具备扎实的数学功底和极强的算法工程实现能力； 2、具备较为完整的研发经验，经历过模型设计、训练调优到验证的完整流程。在以下一个方向有深入研究或实践经验： 生成式模型与世界模型： 熟悉 Diffusion Models、Autoregressive Models、Video Generation 或World-Action Model。 World-Action Model (WAM) 核心算法的研发与迭代。探索如何将世界模型的隐式特征以极低延迟无缝接入动作生成网络（如 Diffusion Planner）。 世界动作模型（WAM）在机器人操作场景的研发与落地，聚焦预训练 / 零样本 / 少样本（Zero-Shot/Few-Shot）Policy学习、优化与实时部署，主导从视频扩散模型设计到机器人动作闭环控制的全流程研发。 强化学习与对齐微调：探索并落地面向物理世界的对齐策略，如 RLPF（物理反馈强化学习）。利用海量真实路测数据和人工精标的物理约束边界（Constraint Masks），在隐空间内构建安全的评价函数（Reward/Cost Model），优化模型的微观物理直觉。 加分项： 在国际顶会和期刊（如 ICLR, NeurIPS, CVPR, ICCV, ICML, ICRA 等）以第一作者发表过相关方向的学术论文 有大规模 Egocentric 数据集处理经验 熟悉 机器人本体，善于学习新技术，对技术有充足热情