Applied Researcher Intern - Evaluation

职位画像 (Who You Are) 你是一名积极进取在校生或近期毕业生，对一个看似简单实则极具挑战的研究问题充满热情：如何可靠地评估生成模型的质量？ 你拥有机器学习的实操经验，喜欢将开放式的研究想法转化为可运行的实验。你习惯于阅读论文、复现方法、构建评估数据集、训练或微调模型，并深入分析某一指标在何处成功或失效。 你也是现代 Coding Agent（编程 AI 智能体） 和 Agentic（智能体驱动）开发工作流 的活跃使用者。你知道如何利用 Coding Agent 探索陌生代码库、加速实验、自动化重复性工作，以及构建可靠的研究基础设施，同时能够运用自身的技术判断力来验证结果。 你可能具备机器学习、计算机视觉、多模态学习、图形学、机器人技术或相关领域的背景。在计算机图形学方面的深厚专业知识以及 3D 数据或生成模型的经验是重大加分项。 你关注对真实世界创作者的影响。你不仅关心模型是否在基准测试（Benchmark）上表现优异，更关心其输出是否结构正确、具有视觉吸引力、对创作者有用，且符合人类偏好。 岗位职责与挑战 (Your Next Challenge) 作为 Meshy 应用研究团队的实习生，你将开发用于评估 3D 生成模型的新技术。 主要职责包括但不限于： 评估方法研发：设计并实现 3D 生成模型的评估方法，涵盖从早期研究原型到可扩展的内部系统。 局限性分析：研究现有的图像、视频、多模态及 3D 评估指标的局限性，找出它们在哪些情况下无法准确反映人类判断或下游可用性。 数据集与基准构建：构建数据集、基准测试（Benchmarks）和实验协议，用于衡量几何质量、视觉保真度、对齐度、结构正确性以及创作者偏好。 模型训练与适配：针对特定的评估任务，训练、微调或适配视觉模型、表征模型、视觉语言模型（VLMs）或轻量级评估器。 Agentic 评估工作流：开发 Agentic 评估工作流，使模型能够检查输出、调用工具、比较候选方案、诊断故障并生成结构化反馈。 实验与跨团队沟通：进行受控实验，分析结果，并将结论清晰地传达给研究人员、工程师和产品团队。 提效与工具应用：广泛使用 Coding Agent 来加速代码实现、实验推进、数据分析和基础设施开发。 高质量代码交付：编写简洁、文档完善且可复现的研究代码，供团队其他成员后续拓展使用。 任职要求 (What We’re Looking For) 学历背景：目前正在攻读或近期已获得计算机科学、机器学习、人工智能、计算机视觉、图形学或相关领域的学位。 实操经验：通过研究、实习、课程学习、开源贡献或重大个人项目，具备机器学习的实操经验。 编程技能：具备扎实的 Python 编程能力，熟悉常见的机器学习框架（如 PyTorch）。 实验设计能力：具备设计实验、处理数据集、评估模型以及解读定量与定性结果的经验。 学术与工程转换：能够游刃有余地在研究论文与实际落地之间切换：能够理解学术思想、复现它、批判性地测试它并加以改进。 沟通协作：良好的沟通能力，能够跨研究、工程和产品背景进行高效协作。 加分项 (Nice to Have) 3D/图形学经验：具备 3D 生成模型、3D 数据集、神经渲染（Neural Rendering）、三维重构或图形学相关机器学习的经验。 3D 表征理解：熟悉 3D 表征方式，如网格（Meshes）、点云（Point Clouds）、体素（Voxels）、高斯溅射（Gaussian Splats）、辐射场（Radiance Fields）或隐式曲面（Implicit Surfaces）。 Agent / 多模态经验：具备视觉语言模型（VLMs）、多模态智能体（Multimodal Agents）、工具调用智能体或基于模型的评估经验。 表征与偏好建模：具备表征学习、感知指标、奖励模型（Reward Models）、偏好建模或可学习评估器（Learned Evaluators）的相关经验。 软件与工具链：熟悉 DCC（数字内容创作）工具或 3D 库，如 Blender、Maya、Houdini、Substance 或类似软件。 基准与偏好数据：具备构建基准测试、收集人类偏好数据或研究自动化指标与人类判断相关性的经验。 学术与开源成果：拥有展示相关机器学习、评估、Agent 或 3D 工作的论文发表、研究项目或开源贡献。