世界模型工程师

岗位职责 1. 研发落地执行：深度参与世界模型及多模态大模型的工程化落地项目，协助资深工程师完成需求拆解、技术方案落地及工程文档撰写。负责核心模块的代码编写、单元测试与问题调试，参与代码评审，保障研发任务按计划交付，积累大模型工程化应用经验。 2. 模型工程化构建与优化：主导协助搭建高可用模型训练、推理架构及自动化流程，基于PyTorch/TensorFlow等框架完成模型部署前的训练、参数调优与性能压测。针对落地场景优化模型 latency、吞吐量及资源占用，推动研究成果转化为可上线的实用模型，确保模型在生产环境稳定运行。 3. 数据工程支撑：参与搭建多模态数据工程管线，协助完成数据采集、标注、清洗、归一化及特征工程的自动化落地。优化数据处理流程，提升数据迭代效率与训练稳定性，配合落实数据存储、备份、合规校验规范，保障落地场景下数据供应链的安全与高效。 4. 技术落地适配与迭代：跟踪世界模型工程化落地前沿技术（如模型轻量化、量化部署），结合业务场景整理适配方案。协助开展技术验证与灰度测试，收集线上运行数据，迭代优化模型及工程方案，解决落地过程中的兼容性、稳定性等工程难题。 任职要求 1. 教育背景：计算机科学、人工智能、软件工程等相关专业，本科及以上学历（硕士优先），具备扎实的线性代数、概率论基础，懂工程化思维者优先。 2. 专业技能：熟练掌握至少一种深度学习框架（PyTorch/TensorFlow），能独立完成模型搭建、训练、调试及基础部署。了解世界模型/多模态大模型工程化落地流程，熟悉模型量化、轻量化、推理加速等技术，有大模型落地相关项目、课程实践或实习经历者优先。 3. 能力素质：具备较强的工程实践与问题解决能力，注重代码质量与落地效率，能快速上手工程化工具。拥有良好的团队协作与跨部门沟通能力，责任心强，对大模型工程开发与落地有浓厚兴趣，具备快速学习新技术并落地的能力。 4. 加分项：有模型部署、自动化工程管线搭建经验；熟悉Docker、K8s等容器化工具；掌握Pandas、OpenCV等数据处理工具及数据分析方法；有线上项目落地或故障排查经验者优先。