世界模型算法实习生
岗位摘要
处理并构建世界模型训练数据:视频/轨迹切片、对齐、清洗、统计与可视化(支持action-conditioned格式);参与训练/调试世界模型核心模块:视频tokenizer/latent表征、latent dynamics(预测/生成/rollout)
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口,并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 处理并构建世界模型训练数据:视频/轨迹切片、对齐、清洗、统计与可视化(支持action-conditioned格式)
- 参与训练/调试世界模型核心模块:视频tokenizer/latent表征、latent dynamics(预测/生成/rollout)
- 搭建评测体系:短期预测、长期rollout漂移、一致性/可控性指标,并进行误例分析
- 将世界模型与下游任务对接:为planning/policy提供rollout、state/memory或不确定性信号
- 维护可复现实验与工具链:训练脚本、配置、日志、自动化回归与加速优化
任职要求
- 熟悉PyTorch,能独立跑训练、复现baseline、定位不收敛/模式崩坏/性能瓶颈
- Python工程能力强:数据管线、可视化、实验管理(Git/配置/日志)靠谱
- 了解序列/生成式建模任一方向:diffusion/DiT、autoregressive、VAE/VQ、masked modeling等
- 能快速读paper并落地成可验证实验(ablation + 结论清晰)
- 做过视频生成/视频tokenizer/latent diffusion或相关开源复现(如Open-Sora风格pipeline)优先
- 做过world model + planning/control(如imagined rollouts/MPC/trajectory sampling)优先
- 熟悉仿真/机器人数据(IsaacSim/MuJoCo/ROS/真实机械臂数据采集与回放)优先
- 有分布式训练/推理优化经验(FSDP/DeepSpeed/ONNX/TensorRT等)优先
加分项
- 做过视频生成/视频 tokenizer/latent diffusion 或相关开源复现(如 Open
- Sora 风格 pipeline)
- 做过 world model + planning/control(如 imagined rollouts/MPC/trajectory sampling)
- 熟悉仿真/机器人数据(IsaacSim/MuJoCo/ROS/真实机械臂数据采集与回放)
- 有分布式训练/推理优化经验(FSDP/DeepSpeed/ONNX/TensorRT 等)
- 董女士 刚刚活跃
福利待遇
- 日薪320-350元
工作地址
北京海淀区科建大厦面壁智能
登录后查看完整岗位详情
使用邮箱验证码登录后,可查看完整职责、任职要求、原岗位入口,并继续使用收藏和浏览记录。列表摘要保持公开,完整详情用于保护数据质量和降低恶意抓取。