高德地图高德-世界模型算法工程师/专家-视频生成/理解方向
任职要求
1、计算机相关专业本科及以上学历，有丰富的算法开发经验，有实际成果者优先； 2、5年以上的自然语言处理/机器学习/数据挖掘等相关领域的建模分析经验，具备大数据…
工作职责
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。
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，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。
团队介绍： 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现空间智能、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。团队不仅在计算机视觉领域持续深耕，更将计算机视觉及AI技术在自主导航、高德打车、生活服务等多元化应用场景。 作为高德地图的核心技术驱动部门，我们以下一代三维地图引擎、多模态理解与生成、空间智能、世界模型等方向为核心，推动智能出行与真实世界连接的深度融合。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 我们在做什么？ 高德拥有全中国最庞大、最真实的物理世界视觉数据。我们不只是在做地图，我们正在基于空间智能构建一个能够感知、理解并预测物理规律的“具身基座模型”。 在这里，你将触达数亿级真实街景、轨迹与语义数据，解决从“数字地图”到“通用物理智能”的终极跨越。 岗位核心挑战 具身基座模型 (Embodied Foundation Models)： 研发下一代VLA/WAM大模型，突破多模态指令到精准动作映射的瓶颈，实现跨场景的零样本迁移能力。 世界模型 (World Models)： 构建基于大规模视频生成的物理世界模拟器，利用生成式AI预测场景演化，为具身智能提供无限的训练“想象空间”。 大模型后训练与强化学习 ： 探索GRPO、PPO、SAC等算法在多模态大模型、具身控制上的应用，通过大规模强化学习提升Agent在复杂时空环境下的决策边界。 大规模数据合成与闭环： 利用高德独有的时空数据优势，构建自动化的具身数据生产、评测管线，解决Scaling Law在具身领域的落地难题。 开源影响力与行业基准： 主导或深度参与具身智能开源项目建设。 我们鼓励将核心算法框架、高质量具身数据集或评估基准贡献给开源社区，打造具有行业号召力的开源作品，定义下一代具身智能的技术标准。 为什么加入高德视觉团队？ 顶级的“真”数据： 区别于实验室的玩具数据集，我们拥有海量真实室内外场景与空间语义数据，这是训练基座模型最完美的温床。 极致的算力支持： 提供充足的集群资源，让你的Idea不受算力瓶颈束缚。 真实的应用场景： 你的代码将直接驱动真实物理产品，影响数亿用户的出行决策。 极简的技术氛围： 扁平化管理，与世界顶尖研究者共同探索AI的下一站。 加入我们，一起定义物理世界的AI入口！