职位描述1.负责前沿世界生成模型（基于 Diffusion/Flow Matching 的长视频生成、可控物理动态推演）与世界动作模型（如 DreamZero、Cosmos-Predict 等 WAM 架构）的深入剖析与架构优化； 2.针对多模态仿真与真机数据，设计并搭建数据清洗、特征提取与时间序列构建流水线； 3.负责世界生成与动作模型的大规模 SFT 监督微调与强化学习后训练，利用物理因果约束提升动作可执行性与物理真实感； 4.负责将动作条件化的世界推演能力嵌入到仿真与评测产品管线中，实现低延迟仿真替代增强； 5.推动世界模型在具身智能项目中落地，包括：可控高保真场景推演、长时程场景生成、高价值闭环合成数据生成。任职要求1.985/211 计算机科学、人工智能、机器人学、自动化、软件工程、数学等相关专业毕业生（本科及以上学历，硕士/博士优先）； 2.熟练掌握 Python，精通 PyTorch 框架，具备扎实的算法与数据结构功底； 3.深入理解 Transformer、VLM、Diffusion Model / Flow Matching、Autoregressive 等生成式模型底层原理； 4.熟悉常用物理仿真器或空间计算引擎（如 Isaac Lab、Isaac Sim、MuJoCo、Robosuite/RoboCasa、Unreal Engine 等），理解物理约束、运动学与离屏渲染流程； 5.熟悉 WAM（世界动作模型）大模型的后训练，具备模型 SFT、基于离线数据/在线 Rollout 的强化学习对齐（如 PPO、DPO、GRPO 等）、Reward 设计及策略调优实战经验； 6.在 CVPR、ICCV、ECCV、NeurIPS、ICLR、CoRL、ICRA、RSS 等 AI/机器人顶级学术会议上发表过世界模型、具身大模型、视频生成等方向论文者优先；或者在 GitHub 上开源过有影响力的工具/模型，或有自动驾驶世界模型、具身 World Model 落地量产经验者优先。
