初速度
世界模型生成工程师
3月热招岗位
世界模型生成工程师 3月热招岗位
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
3Dgs
Gnn
Nerf
World Model
多模态数据
深度学习
自动驾驶
值不值得投
79综合评分
综合评分 79
自动驾驶核心算法岗，技术前沿且成长空间大，但工作节奏较快。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
18 个在招 · 其中机器学习工程 2 个
市场机会
选择适中
苏州 · 机器学习工程 · 19 个在招
职位详情
关于这个职位
该职位主要负责自动驾驶场景下的世界模型研发与优化，包括3D环境生成、多模态数据处理及模型微调
你需要与感知/规划团队紧密合作，将前沿的世界模型技术落地于自动驾驶仿真与预测链路中
最低要求
计算机科学、人工智能、自动化、机器人学或相关领域的985/211硕士以上学历
精通Python、C++或其它编程语言，具有扎实的数据结构和算法基础，能够熟练编写高效的模型代码和数据处理脚本
熟悉huggingface上的各种sota云端/端侧模型项目，深入理解世界模型、场景建模、动态预测相关原理及实现细节
深入理解机器学习、深度学习、强化学习等人工智能核心技术，在世界模型生成、3D场景建模、动态预测等相关领域有明确的项目经验
具备出色的分析问题和解决问题的能力，以及良好的团队合作精神
有责任心，能够适应快节奏的工作环境，并拥有良好的沟通能力
工作职责
熟悉世界模型（World Model）、场景重建、3D环境生成等方向的云端/端侧模型，精通相关模型（如3DGS、NeRF、GNN、Transformer-based世界模型）的代码实现和推理逻辑
对自动驾驶场景下的多模态数据（点云、图像、IMU、GPS等）进行预处理、分析和特征工程，基于对自动驾驶场景的深入理解，挖掘数据价值以优化世界模型的场景还原度和预测精度
结合公司已有的自动驾驶场景数据、真实路况数据，对世界模型进行finetune优化，使其能够精准生成符合真实路况、动态交互合理的自动驾驶虚拟场景，适配业务实际需求
与算法部署、自动驾驶感知/规划工程师紧密合作，确保世界模型的输出能够高效集成到自动驾驶仿真、感知预测等链路，保障算法的实际可行性和工程落地性
跟踪世界模型、场景生成、动态预测等领域的最新科研进展和技术趋势，关注顶会（NeurIPS/ICCV/CVPR/ICML）及行业前沿成果，将前沿技术转化应用于解决自动驾驶场景下的实际问题
AI 洞察
优缺点分析
优点
- 处于自动驾驶与生成式AI结合的最前沿，技术壁垒高，行业前景广阔
- 能接触到海量真实路况数据，模型落地场景明确且极具业务价值
- 世界模型属于新兴技术，科研与工程落地之间存在较大Gap，需要极强的探索与攻坚能力
- 自动驾驶对实时性和安全性要求极高，模型部署和优化的工程难度大
- 具备扎实3D视觉或生成式AI基础，对自动驾驶有浓厚兴趣，且能在快节奏环境中解决复杂工程问题的算法人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法工程师成长为世界模型或自动驾驶仿真领域的技术专家
- 未来可带领团队负责核心生成式AI算法的落地与系统架构设计
- 研发和优化用于自动驾驶的世界模型，包括3D场景重建和动态环境生成
- 处理多模态数据（点云、图像等）并微调模型以生成高保真虚拟场景
- 与感知/规划团队合作，将模型高效集成到自动驾驶仿真与预测链路中
- 精通Python/C++及深度学习框架，熟悉3DGS、NeRF、Transformer等世界模型架构
- 具备多模态数据处理能力，了解自动驾驶场景及仿真系统
- 拥有扎实的算法基础，能够将前沿科研论文转化为实际工程代码
申请策略
- 了解初速度在自动驾驶量产和Robotaxi方面的业务布局，准备关于如何将生成式AI应用于自动驾驶数据闭环和仿真的具体案例
- 突出在世界模型、3DGS、NeRF或自动驾驶仿真相关的项目经验与落地成果
- 展示多模态数据处理及模型微调（Finetune）的实际优化效果
- 强调顶会论文发表或前沿技术转化应用于实际业务场景的经历
- 深入学习最新的Transformer-based世界模型架构及3D场景生成技术
- 提升C++工程化能力，了解模型在端侧或云端的高效部署与推理优化
面试指南
- 采用STAR法则，重点突出“问题定义-技术方案-工程落地-业务收益”的闭环
- 对于算法与工程题，强调理论理解与代码实现、性能优化的深度结合
- 请详细介绍你在世界模型或3D场景生成（如3DGS/NeRF）项目中的具体贡献和遇到的技术难点
- 如何处理自动驾驶场景下的多模态数据（点云、图像、IMU）并进行特征工程？
- 如何将世界模型的输出高效集成到自动驾驶仿真或感知预测链路中？
- 针对Transformer-based世界模型，你在推理逻辑和代码实现上做过哪些优化？
- 复习3D视觉、生成式AI及自动驾驶仿真的最新顶会论文（CVPR/ICCV/NeurIPS）
- 准备1-2个能够体现你解决复杂算法工程化问题的深度项目案例
职位点评
薪资福利85
成长发展90
工作生活50
使命价值85
薪资福利
85较高
自动驾驶核心算法岗薪资具备较强竞争力，但JD未明确披露具体薪资和福利细节。
薪资信号未披露（AI估算：3千–6万/月）
成长发展
90较高
岗位涉及世界模型等前沿技术，且要求跟踪顶会进展，技术成长空间极大，处于行业技术最前沿。
技术前沿前沿/新兴技术
技术栈World Model、3DGS、NeRF、GNN、Transformer、Python、C++、多模态数据
成长机会跟踪最新科研进展和技术趋势、关注顶会、将前沿技术转化应用
业务类型ambiguous
工作生活
50较低
JD明确提到“适应快节奏的工作环境”，暗示工作强度较大，且未提及弹性办公或WLB福利。
工作模式未明确
办公地点未明确
加班情况JD含高强度暗示词
使命价值
85较高
自动驾驶是极具社会价值和技术前景的赛道，世界模型技术能显著提升自动驾驶的安全性和研发效率。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs