World Model 算法工程师（智能驾驶方向）

主导自动驾驶场景下世界模型（World Models）的核心算法研发，构建能够对交通环境进行高保真、长时序、因果一致的动态建模系统； 设计并实现基于潜在状态空间（Latent State Space）的环境模拟器，支持多智能体交互、遮挡推理与不确定性传播； 开发世界模型驱动的预测-规划-控制闭环系统，支持端到端策略训练、安全验证与长尾场景生成； 探索世界模型与多模态大模型（VLM/VLA）、强化学习、生成式 AI 的融合路径，推动“感知-建模-决策-行动”一体化架构演进； 协同仿真、数据引擎与实车团队，将世界模型应用于大规模场景生成、闭环测试、策略预训练与在线适应等关键环节

硕士及以上学历，计算机、人工智能、机器人、自动化或相关专业，3–5年AI或自动驾驶算法研发经验； 深入理解世界模型核心范式，熟悉代表性工作如 Dreamer（V1/V2/V3）、Stochastic Latent Actor-Critic (SLAC)、TD-MPC、Video Diffusion Models、Genie、STEVE、OpenVLA 中的世界建模组件 等； 具备序列建模、变分推断、扩散模型、自回归生成或状态空间模型（SSM）等技术的扎实基础，熟练使用 PyTorch/JAX 及分布式训练框架； 熟悉自动驾驶技术栈，了解轨迹预测、行为建模、仿真测试等模块，有闭环仿真或数字孪生项目经验者优先； 熟练使用主流自动驾驶数据集（nuScenes、Waymo、CARLA、L5 Kit 等），具备从真实数据中学习动态环境模型的能力； 在 NeurIPS、ICML、ICLR、CoRL、CVPR、RSS、IROS 等顶级会议发表过世界模型、序列生成、具身智能或自动驾驶相关论文者优先。 加分项 有构建可微分仿真器（Differentiable Simulator）或神经渲染+动力学联合建模经验； 熟悉世界模型在强化学习预训练、离线策略评估（OPE）或安全验证中的应用； 具备将世界模型部署至车载或边缘计算平台的工程优化经验（如蒸馏、量化、缓存机制）