Momenta视频生成/世界模型算法专家
任职要求
基础要求 1. 计算机科学、人工智能、机器人、自动化等相关专业硕士及以上学历，博士优先； 2. 扎实的编程能力，熟练使用 Python / C++，具备良好的数据结构与算法基础； 3. 熟悉主流深度学习框架（PyTorch 等），并对模型训练、优化与工程实现有深入理解。 技术背景（满足以下至少一项） 1. VLA / 多模态大模型方向 - 有多模态模型或 VLA 模型的训练、微调或应用经验； - 理解视觉、语言、动作等多模态信息的对齐与协同机制。 2. 生成式模型 / 世界模型方向 - 有 Diffusion Model、自回归时序模型或世界模型相关研究与实践经验； - 在自动驾驶、机器人等对时空…
工作职责
岗位职责 1. VLA / 行为模型研发 - 参与或主导面向自动驾驶场景的 VLA / 行为大模型设计与训练； - 融合感知、语言指令、地图/结构信息与历史时序状态，输出安全、稳定且具备“驾驶风格”的行为决策； - 探索模仿学习、强化学习与大模型训练范式的结合，推动一段式 / 端到端能力落地。 2. 世界模型与时序建模 - 研发具备时空一致性的世界模型（World Model），用于环境建模、未来预测与策略评估； - 结合 Diffusion / 自回归等生成式模型，提升复杂交通场景下的多模态预测与不确定性建模能力； - 支撑端到端模型在长时序、复杂交互场景中的稳定性与泛化能力。
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。
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。
1.探索研究多模态理解、生成式、强化学习等前沿技术； 2.负责世界模型相关核心算法的研发与落地，包括但不限于视频生成、视频预测、视频编辑等方向； 3.探索面向游戏世界场景的新一代视频生成技术，构建具备可交互性、可编辑性、物理一致性和时空一致性的世界模型。
1.负责世界模型（World Model）相关核心算法的研发与落地，包括但不限于视频生成、视频预测、视频编辑等方向； 2.探索面向游戏世界场景的新一代视频生成技术，构建具备可交互性、可编辑性、物理一致性和时空一致性的世界模型。