【校招】物理世界模型算法工程师-物理智能中心

1.面向物理世界模型的研发与应用，负责核心算法的实现、优化和系统集成，参与多模态理解、未来预测及行为生成模型的开发与迭代。
2.建设人类视频、机器人及仿真数据的处理流程，完成数据清洗、质量筛选、时序同步、多视角处理、动作与状态对齐及跨本体适配，支撑大规模多源数据训练。
3.开发和维护模型预训练、后训练及评测流程，实现分布式训练、实验管理、训练监控和故障恢复，提升训练效率、稳定性与实验可复现性。
4.围绕模型效果与计算成本开展算法优化，参与模型结构改进、训练策略调整及数据配比实验，推动高效注意力、模型蒸馏、量化和推理加速等技术落地。
5.建设自动化评测与问题分析工具，评估模型的预测质量、物理一致性、任务成功率、泛化能力及运行效率，定位数据、模型和系统中的性能瓶颈。
6.完成世界模型与仿真环境、机器人行为模型及真实机器人平台的对接，优化推理延迟、运行稳定性和闭环交互效果，支持任务验证与应用示范。
7.与研究团队协作，将前沿方法转化为可复用的算法模块与工程流程，完善代码、文档和发布工具，支持模型、训练框架及数据处理工具的开源与交付。

1.计算机科学、人工智能、机器人、自动化、电子工程等相关专业本科及以上学历，硕士及以上学历优先，或具有同等工程研发能力。
2.具备扎实的机器学习和深度学习基础，熟悉多模态模型、视频生成、三维视觉、世界模型或机器人学习中的至少一个方向，能够理解相关论文并完成算法实现与改进。
3.熟练使用 Python、PyTorch 及 Linux 开发环境，具备良好的代码设计、调试和性能分析能力，能够独立完成模型训练、评测及问题定位。
4.具有较大规模模型训练或推理优化经验，熟悉分布式训练、混合精度、显存优化、数据加载或模型部署等技术中的一项或多项。
5.具备数据处理与质量分析能力；具有视频、多视角、三维数据或机器人轨迹处理经验，熟悉时序同步、动作表示与归一化等技术者优先。
6.具有以下一项或多项经验者优先：视频或多模态模型训练、模型蒸馏与量化、GPU 算子优化、仿真环境集成、真实机器人部署，或高质量开源项目开发与维护。
7.对物理世界模型与具身智能具有浓厚兴趣，具备较强的自主学习、问题解决和团队协作能力，重视实验可复现性、代码质量及系统交付效果。