职位描述
团队使命：
逆矩阵正在探索下一代通用世界基座模型。评测团队的使命，是建立能衡量世界模型因果理解、动作后果、物理一致性和长期推演能力的评测体系，驱动模型、数据和训练迭代。
工作方向：
1、评测框架工程：wm-eval、benchmark 注册/调度、批量运行、结果聚合、可复现环境；
2、Benchmark 与指标：动作跟随、物理一致性、长时域 rollout、状态读出、反事实动作、多场景泛化；
3、评测数据与诊断：data curation、标注协议、质量控制、hard negative、bad case 归因与改进建议。
职位描述：
1、建设和维护世界模型评测框架，优化任务编排、并发执行、容器化运行、失败重试、结果落库与可视化分析；
2、设计世界模型 benchmark / metric，覆盖多模态输入、视频推理、动作条件预测、物理一致性和长程推演等关键能力；
3、构建高质量评测数据集，负责标注协议、质量控制、负例/边界样例设计，降低数据偏差对评测结论的影响；
4、主导从实验设计、配置管理、批量提交、统计分析到 bad case 归因的评测全流程，并推动评测-训练-数据闭环；
5、跟踪世界模型、多模态、视频生成、Agent 和具身智能评测前沿，引入或改造社区 benchmark。任职要求
1、计算机、人工智能、数学、物理、自动化等相关专业，本科及以上；有大模型评测、多模态/视频模型、AI Infra 或世界模型经验优先；
2、理解 benchmark / metric 设计方法，能判断指标选择、数据分布和标注质量对模型比较结论的影响；
3、具备数据敏感度、严谨意识和跨团队沟通能力，能从复杂结果中提炼可落地的模型或数据改进建议。
4、具备熟练的Python/Go语言编程能力和良好的编程习惯和代码管理能力；
5、熟悉服务端基础技术，包括但不限于HDFS、Ray、消息队列等，能够高效地进行后端服务的开发与维护。
