【高阶岗位】世界模型方向Tech Lead

核心目标
- 构建充分理解物理世界规律、生成物理环境的、原生安全的基础模型和支撑软件系统。
- 搭建面向科学实验室3D物理环境的生成式基础模型与软件系统；研发面向科学发现的融入物理数据与规律的世界模型。
岗位职责
1. 技术战略与架构规划
- 制定物理世界模型的技术路线图，定义差异化技术方向
- 设计面向科学发现的多模态模拟器架构
- 规划物理智能基础模型的技术演进路径，探索替代大语言模型的新一代模型架构
2. 核心技术研发
- 领导团队在以下至少一个方向进行深度技术攻关：
- 3D空间智能：构建面向物理世界的3D感知、理解与生成能力
- 物理世界模型：面向科学发现的融入物理数据与规律的世界模型
- 多模态理解与生成：文本、图像、视频、动态场景的跨模态建模
- 推动生成式AI技术在物理世界模拟中的应用，包括扩散模型、生成对抗网络等前沿技术
- 负责大模型的微调、优化与部署，构建高效的训练与推理框架
3. 科研项目与工程落地
- 主导与中科院、高校等科研机构的合作项目，获取稀缺科研数据资源
- 将前沿研究成果转化为可落地的工程实现，推动算法从实验阶段到生产环境
- 构建高可用、可扩展的AI平台，支持大规模物理世界模型的训练与推理
4. 团队管理与技术领导
- 组建并管理核心技术团队，制定技术评审与质量把控机制
- 培养团队技术骨干，建立技术传承体系，提升团队整体研发能力
- 与其他团队（如操作智能、硬件工程等）协同工作，推动跨领域技术融合
5. 前沿研究与创新
- 持续跟踪生成式AI、物理模拟、具身智能等领域的最新进展
- 评估前沿技术在团队战略方向的应用价值，推动技术创新与突破
- 代表团队参与学术交流，发表高水平论文，提升团队在学术界的影响力

基本要求
- 国内外知名高校计算机、人工智能、机器人、自动化等相关专业博士学历
- 同时具备有学术积累和工程化产出能力
技术能力要求
- 核心技术栈：
- 深入理解大语言模型、扩散模型、生成对抗网络等生成式AI技术
- 熟悉多模态融合、跨模态理解与生成技术
- 具备物理模拟、机器人控制、3D视觉等相关领域知识
- 工程能力：
- 熟练掌握主流AI开发框架
- 具备大规模AI系统设计、优化与部署经验
- 熟悉分布式训练、模型压缩、推理加速等技术
- 研究方向：在以下至少一个方向有深入研究：
- 数据工程与大规模数据采集处理
- 算法设计与模型训练优化
- 多模态生成与物理世界建模
管理与领导能力
- 具备技术团队的管理经验，或作为核心骨干承担过技术负责人角色
- 能够制定清晰的技术路线，有效拆解复杂任务，推动项目落地
- 具备优秀的沟通协调能力，能够跨团队、跨领域协作
加分项
- 在顶会（NeurIPS、ICLR、ICML、CVPR、ICRA等）发表过高水平论文5-10篇
- 有开源AI项目贡献或技术社区影响力
- 具备科学计算、物理模拟、计算生物学等交叉学科背景
- 有实验室科研项目合作经验，熟悉科研数据获取与处理