WAM算法工程师

构建以世界状态为核心的 World Action Model 联合架构，学习环境动态、动作后果及其长期演化，用于预测、规划与决策

长期时序与因果建模，研究和实现长时序预测、多步 rollout、因果结构建模，设计连续/离散动作空间建模方案，解决误差累积、分布偏移和不稳定问题，

基于 WAM 支持 ModelBased RL、Planning、MPC、LLMbased Reasonin，为机器人 / Agent 提供可预演（mental simulation）的决策能力

仿真与真实系统验证，在仿真（Mujoco / Isaac）及真实系统中验证 WAM 的泛化与稳定性，推动 sim2real 和闭环性能提升

前沿研究与技术沉淀，跟进并复现 Dreamer、Video World Model、JEPA、VLA/WAM 相关工作，形成算法、系统或论文级创新

硕士及以上学历，计算机、人工智能、自动化、机器人等相关方向

扎实的 概率建模 / 深度学习 / 时序建模 基础

在以下方向中至少具备 2 个以上深入经验：World Model / Dynamics Model /ModelBased Reinforcement Learning / Sequential Decision Making / Representation Learning

精通 Python + PyTorch / JAX，具备良好的实验与工程能力

能够独立完成从问题建模到算法落地的完整研发流程 三．加分项

有世界模型实际研发经验

理解 Action Latent / Skill / Option / Hierarchical RL，熟悉 Diffusion/Transformer 用于时序与动作生成

有机器人、自动驾驶或复杂 Agent 闭环系统经验

有顶会论文（NeurIPS / ICLR / ICML / RSS / CoRL）或等价工业成果