【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. 01

   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. 02

   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. 03

   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. 04

   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. 05

   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