米哈游【提前批-基础研究】3D生成算法研究员
任职要求
1. 2027届硕士及以上学历，计算机图形学或计算机视觉等相关专业优先； 2. 有 3D 大模型训练、数据处理相关经验； 3. 熟练掌握 Python，熟悉 Diffusion 算法的理论推导与实现代码，熟悉三维模型表示、三维模型生成等相关技术，关注…
工作职责
1. 3D 生成大模型前沿算法研发：研发 3D 生成大模型的前沿算法，探索 3D 生成能力的上限；理解 3D 数据在高模、拓扑、材质、动画等不同特征层面的表达，针对性设计数据表征形式与模型网络架构；基于 3D 资产质量要求，持续迭代算法框架、训练策略与数据标准； 2. 多模态条件控制研究：根据资产制作实际场景，设计模型的条件控制方式，实现高精度、高可控的生成；研究如何将图像、文本、3D等多种模态信息作为条件输入模型；开发创新的条件注入与控制技术； 3. 模型调优与工程化：对前沿 3D 生成模型进行改造与优化，以适应具体业务需求；基于自研模型进行局部模块微调、LoRA 调优等实验，将自定义 Conditioning 方法集成进生产模型； 4. 技术调研与数据基建：持续跟进三维生成大模型领域的前沿算法，评估并落地可行的技术方案；理解常规图形学3D数据的相关算法，根据生成模型的算法理论，与数据团队配合，设计3D数据的处理标准和方式，如watertight、SDF\ISO-surface、LOD、PBR、LBS等。
1、支撑团队不同大模型任务下的训练及推理优化，包括但不限于：架构设计、检查点优化、训练容错恢复、底层算子优化及通信优化等； 2、研究和优化大规模异构加速集群调度、存储、通信互联、监控、Profiling等组件，提升整体硬件利用效率； 3、针对具体任务调研并进行对应的 Scale Up 实验及优化，包括但不限于并行化策略优化、ZeRO/FSDP 优化、FP8、激活值优化等，加速模型训练，优化显存开销。
专注于3D虚拟人动画相关技术的研究与开发，实现高效、高性能和高表现力的表情生成和肢体动作生成，提升虚拟人的真实感。 1. 高质量生成：利用3D动画数据，实现接近GT表现的表情和动作生成； 2. Motion Representation：研究人体动画数据的表征方式，优化重建和生成效果； 3. 高性能优化：优化模型效率和推理速度，实现实时的动画生成； 4. 动画融合与迁移：探索不同风格、不同姿势之间的动画融合与迁移技术。
1、面向代码智能体能力构建评测体系，覆盖代码库理解、Issue 修复、跨文件修改、测试生成、调试定位、命令执行、工具调用和多步任务完成等场景。 2、设计 Repo-level 和 Agent-level 评测集，评估模型在真实软件工程任务中的任务完成率、测试通过率、修改质量、鲁棒性和执行效率。 3、分析 Code Agent 在复杂任务中的失败模式，包括错误定位失败、上下文遗漏、工具调用错误、无效修改、测试误判、循环修复等问题。 4、建立从评测结果到训练数据和 Post-training 策略的反馈闭环，通过 Bad Case 分析指导数据构造、奖励设计和训练策略优化。 5、参与内部 Benchmark、模型能力看板和回归评测系统建设，支持 Code Agent 能力持续迭代。
作为一名核心的预训练数据算法研究员，你将直接参与构建和优化我们核心大语言模型的预训练，并侧重在 code、agentic、reasoning-heavy 类任务的高质量训练数据集搭建；包含但不限于数据收集、合成数据生成、任务行为轨迹构建等。 1.开发并生成用于大模型训练的合成任务与数据集，涵盖两类场景： 可验证类任务：代码解题、数学计算题等； 不可验证类任务：开放式逻辑推理、通用综合问题求解等。 2.搭建并规模化运行多领域数据合成流程，覆盖 agent、code、math、general reasoning； 3.参与搭建 agentic task environments 以及配套的大模型训练评测体系。