多模态世界模型

传统游戏内容制作和开发中的每个环节都依赖大量人力工作，包括策划、美术、程序等。世界模型的引入，能让世界生成、演化和交互从“人工设计”转向”数据驱动与模型生成“。通过学习环境的规律，自主生成具有空间一致性、时间连贯性与交互性的虚拟世界，为游戏制作提供全新的“生成式”范式，这一趋势能显著降低游戏生产环节的成本，极大提升生产效率与创作空间。

1. 01

   教育背景：人工智能、计算机科学、数学或相关专业，硕士及以上学历（博士优先）；

2. 02

   编程能力：熟练掌握 PyTorch 等主流深度学习框架，具备扎实的编程能力与工程实现能力；能够高质量复现前沿论文，并推动算法从研究原型到工程实现。 满足以下任意一种技术栈要求：

3. 01

   生成模型：深入理解Diffusion Models, GANs, VAEs, Flow-based Models等，具备图像生成或视频生成相关研究或实践经验；

4. 02

   模型训练：有大规模 GPU 集群上的模型预训练、微调与后训练经验；具备多模态大模型（如CLIP、LLaVA、Qwen等）的训练或应用经验；

5. 03

   学术能力：在SIGGRAPH, CVPR, ICCV, NeurIPS等顶级会议或期刊发表过相关领域的一作论文者优先。 此课题同时招聘应届实习生和低年级实习生。