地平线世界模型算法实习生（实时交互方向）
任职要求
计算机、人工智能、自动化等相关专业硕士/博士在读。 1、具备扎实的深度学习基础，精通 PyTorch，拥有出色的工程实现与从零搭建复杂模型架构的能力。 2、深入理解 Diffusion Models、Autoregressive Models 等生成范式，对视频生成 / World Model 有丰富的实操经验。 3、敏锐的学术嗅觉与极强的自驱力，能够快速阅读英文文献…
工作职责
【岗位职责】 1、根据个人技术背景与兴趣，你将重点参与并攻坚以下一项或多项核心工作，完成核心算法的优化探索，并在指导下冲击顶级学术会议（CVPR / ICCV / NeurIPS / ICLR 等）： 2、长时序生成： 深入探索实时可交互视频生成范式，参考并改进Self-forcing, Helios 等前沿架构，突破超长时序环境生成的质量和一致性瓶颈。 3、实时交互与加速： 研究并应用 DMD2 等前沿模型蒸馏与加速算法，大幅降低视频生成延迟，实现毫秒级的基于动作（Action-conditioned）的闭环环境响应。 4、通用视觉表征构建： 负责 VAE 等底层表征模型的探索与深度优化，大幅提升图像/视频特征的重建质量与时空压缩率，为世界模型构建高保真、强泛化性的通用视觉表征。 5、架构设计与优化： 参与交互式世界模型的底层架构设计、模型训练与工程优化，支持自动驾驶端到端算法的仿真验证。
聚焦探索实时可交互视频生成方向，产出高水平学术成果与影响力技术落地。 专项课题： 研究方向一：实时视频生成范式探索 1. 实时视频生成范式的探索，系统性验证AR或AR+Diffusion视频生成方案； 2. 尝试垂直领域AR生成范式和AR生成范式在数据上的scaling law和智能涌现能力； 3. DiT视频生成效率提升，包括但不限高效率、低精度损失、高压缩比的视频VAE和tokenizer、包括稀疏架构、MoE等DiT结构探索。 研究方向二：长视频生成的一致性保持 1.DIT范式，AR范式 和 AR + DiT范式下的视频生成记忆框架实现与调研，包括但不限于3D 世界模型表征记忆，预测帧缓存与重用机制 和 用户状态与意图记忆等； 2.基于隐式视觉记忆机制（跨时间追踪关键环境状态），探索无需显式3D建模的动态场景表征，支持对场景物体、光照、环境的长期记忆存储与检索。
【岗位职责】 -突破时序编码瓶颈：引入 Test-time-training 等技术，实现对物理世界时序信息的高效压缩与编码，在保持性能的同时，将 token 规模与算力开销降至可部署级别。 -构建场景化 VLA 数据体系：基于驾驶场景，构建覆盖空间感知、时序行为、长尾场景与因果推理的结构化数据体系，提升模型对物理世界的理解深度。 -实现实时闭环决策：在车载边缘设备上实现 24FPS 以上的实时推理，让模型从 “被动感知” 进化为 “主动决策”，支撑自动驾驶的长程规划与安全交互。
【岗位职责】 -突破时序编码瓶颈：引入 Test-time-training 等技术，实现对物理世界时序信息的高效压缩与编码，在保持性能的同时，将 token 规模与算力开销降至可部署级别。 -构建场景化 VLA 数据体系：基于驾驶场景，构建覆盖空间感知、时序行为、长尾场景与因果推理的结构化数据体系，提升模型对物理世界的理解深度。 -实现实时闭环决策：在车载边缘设备上实现 24FPS 以上的实时推理，让模型从 “被动感知” 进化为 “主动决策”，支撑自动驾驶的长程规划与安全交互。
1. 基于Isaac Gym/MuJoCo搭建高保真仿真环境，优化人形机器人运动控制RL训练的并行效率与物理精度； 2. 开发3DGS/NeRF等动态场景渲染管线，支持视觉-动力学联合仿真（sim2real迁移）； 3. 构建生成式世界模型驱动的仿真系统，实现动态场景自动生成与自适应难度调控； 4. 设计分布式仿真架构，支持万级机器人实例的实时交互与数据采集。