Momenta世界模型生成工程师
任职要求
任职要求 1. 计算机科学、人工智能、自动化、机器人学或相关领域的985/211硕士以上学历。 2. 精通Python、C++或其它编程语言，具有扎实的数据结构和算法基础，能够熟练编写高效的模型代码和数据处理脚本。 3. 熟悉huggingface上的各种sota云端/端侧模型项目，深入理解世界模…
工作职责
工作内容 1. 熟悉世界模型（World Model）、场景重建、3D环境生成等方向的云端/端侧模型，精通相关模型（如3DGS、NeRF、GNN、Transformer-based世界模型）的代码实现和推理逻辑。 2. 对自动驾驶场景下的多模态数据（点云、图像、IMU、GPS等）进行预处理、分析和特征工程，基于对自动驾驶场景的深入理解，挖掘数据价值以优化世界模型的场景还原度和预测精度。 3. 结合公司已有的自动驾驶场景数据、真实路况数据，对世界模型进行finetune优化，使其能够精准生成符合真实路况、动态交互合理的自动驾驶虚拟场景，适配业务实际需求。 4. 与算法部署、自动驾驶感知/规划工程师紧密合作，确保世界模型的输出能够高效集成到自动驾驶仿真、感知预测等链路，保障算法的实际可行性和工程落地性。 5. 跟踪世界模型、场景生成、动态预测等领域的最新科研进展和技术趋势，关注顶会（NeurIPS/ICCV/CVPR/ICML）及行业前沿成果，将前沿技术转化应用于解决自动驾驶场景下的实际问题。
我们是高德视觉技术中心，驱动高德实现高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。我们团队致力于利用三维重建、生成式世界模型、多模态大模型等技术打通虚拟与现实，探索空间智能技术路线，让算法在真实应用中产生即时经济价值与社会影响力。 团队gihub主页：https://github.com/amap-cvlab 岗位职责： 1. 3D动/静态生产：利用三维重建、生成模型、多模态大模型对单图、视频完成动态物体/静态场景重建、生成、编辑，并得到可交互的3D、长时序视频； 2. 世界模型构建：结合具身智能、自动驾驶等数据探索空间智能的统一范式，完成环境感知、智能体预测、决策规划等任务并得到未来状态和未来传感器信息，为强化学习提供基座； 3. 产线落地与性能优化：与具身智能、自动驾驶、智能导航等业务协同，完善仿真数据链路； 4. 跟踪学术界和工业界在生成式AI/世界模型相关领域的最新进展，保持公司在该领域的技术领先地位。
1. 负责无人机、手持等产品场景，利用生成模型构建多样化场景生成体系，覆盖极端天气、突发事故、异形道路等传统仿真难覆盖场景，优化生成场景真实性与可控性 2. 负责4D世界模型研发和优化，实现动态目标交互、环境动态变化（光照/车流）智能生成，提升仿真场景泛化能力 3. 推动创新方案落地，协调算法与工程团队实现生成模型工程化部署。
团队介绍： 高德地图机器学习研发部是公司AI核心技术引擎，聚焦多模态大模型、视频生成与理解、图像编辑与生成等前沿领域。团队深耕人工智能技术落地，支撑亿级用户产品，同时长期投入前沿探索，在NeurIPS/ICLR/CVPR/ICCV/ACL等顶会发表多篇论文，多项成果入选“最有影响力论文”榜单。我们拥有海量数据与算力资源，鼓励创新突破，诚邀你与顶尖算法专家并肩，共同定义AI的未来！如果你渴望挑战多模态与生成式AI的技术巅峰，在视频、图像、大模型的交叉领域实现突破，欢迎加入我们！团队的github页面是：https://github.com/AMAP-ML/ 我们提供 • 参与亿级用户产品的AI核心算法研发，见证技术直接赋能业务； • 与学术大牛和工业界专家共事，持续提升技术视野； • 顶配算力资源+开放创新氛围，支持前沿探索与顶会论文发表。 具体职责包括但不限于： 1. 视频生成：负责视频生成技术的前沿技术的研究,包括world model，对AIGC的diffusion和auto-regressive技术有深入了解，在T2I/AIGCT2V/I2V上面有一定的研究，图文对齐，长视频生成等有一定的研究，做好视频生成在高德业务（广告，POI详情页等）中的进行落地。 2. 视频理解：能够使用和优化多模态大模型对用户上传的视频进行质量理解，标签，densecaption，视频summary等生成，作用到视频的搜索，广告，推荐等业务的落地。 3. 世界模型： 参与世界模型的构建，能够使用最新的视频生成技术，包括：SFT，RL，DMD+Forcing等工作，3D技术等构建符合人类物理规律的统一的世界模型，在高德的业务进行落地。 4. 紧跟技术前沿和技术沉淀，形成顶会论文和专利。
我们是高德视觉技术中心，专注于以计算机视觉技术为核心的前沿研究与创新应用，致力于打造时空互联网领域的核心技术能力。 我们致力于构建 “真实世界 × 虚拟世界” 的生成式世界模型，引领多模态 AI 赋能智慧出行和日常生活。团队成员参与端到端 3D+视频+语言 大模型的研发，与阿里云算力、十亿级全域图像 / 点云 / 出行数据深度结合，让算法在真实应用中产生即时经济价值与社会影响力。 团队主页：https://github.com/amap-cvlab 岗位职责： 1. 核心算法研发：主导 1B-100B 参数级世界模型 / VLA / VLM 网络的整体方案与关键模块创新； 2. 高效预训练与微调：构建跨模态自监督目标（时序一致性、物理一致性、语言对齐等），并推动 SFT → DPO → RL-HF 全链路落地上线； 3. 跨模态推理与生成：针对 3D 场景、连续视频、语言描述开展对齐、生成与评估实验，推动端到端模型落地。创新3D场景/连续视频/交互策略/语言描述等跨多种模态的端到端理解与生成； 4. 产线落地与性能优化：与地图引擎、自动驾驶、智能导航等业务协同，迭代模型压缩、Edge-Cloud 混合部署、隐私数据训练； 5. 技术沉淀与传播：完成技术调研、实验复现、消融与报告撰写，将成果转化为论文、专利等技术沉淀。