阿里巴巴
数据技术及产品部-大模型评测算法-世界模型方向
数据技术及产品部-大模型评测算法-世界模型方向
发布于 2 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
Pytorch
世界模型
具身智能
大模型评测
强化学习
物理仿真
视频生成
计算机视觉
值不值得投
80综合评分
综合评分 80
阿里大模型前沿算法岗，技术栈极具挑战性与发展潜力，薪资竞争力强，但工作强度可能较大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，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
约 3020 个在招 · 其中机器学习工程 约 170 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 260 个在招
职位详情
关于这个职位
该职位负责世界模型（如视频生成、交互式环境、Physical AI）的能力评测与提升闭环
你需要设计评测任务与指标，区分视觉逼真与真实世界建模能力，并针对短板设计数据合成方案，推动“评测-数据-训练”的持续迭代优化
最低要求
硕士及以上，计算机视觉 / 机器学习 / 机器人等相关专业
年以上大模型相关研发经验，或具备高质量论文 / 开源成果（不唯年限，重在深度）
熟悉世界模型 / 视频生成 / 视频预测 / 具身智能相关技术（diffusion、autoregressive video、latent dynamics model、video tokenizer、VLA 等），了解 Cosmos / GameNGen / Genie 类世界模型的思路
理解物理仿真与强化学习环境（MuJoCo、Isaac 及各类 game / robotics 仿真），能支撑生成式环境合成
熟悉视觉 / 视频质量指标（FVD、PSNR、SSIM 等）及其局限（视觉指标无法反映物理理解），能设计更贴合"世界模型有效性"的物理与功能性评测（对标 Physics-IQ、WorldModelBench 等）
扎实的 Python / PyTorch 工程能力，熟悉分布式训练与大规模可复现实验管线
能独立定义评测方案并推动"评测—数据—训练"闭环落地，具备跨团队协作与技术引领能力
工作职责
设计世界模型评测任务与指标，区分"视觉逼真"与"真正的世界建模能力"（业界已证实二者可脱钩）：覆盖物理规律遵循（physics adherence，如质量/动量守恒、流体、光学、力学）、时序与长程一致性、指令可控性、动作条件下的状态演化预测，以及作为可交互环境的稳定性
兼顾生成质量与对下游规划 / 决策的功能有效性
对标并扩展业界 benchmark：Physics-IQ、WorldModelBench、GameNGen 类交互式世界等
定位失败模式（物理违背、状态漂移、长时序崩坏、幻觉物体、物体尺寸/守恒违规等）
针对短板设计数据合成与生成式仿真环境合成（generative simulation，如 RoboGen / Cosmos 式自动生成任务、场景、物理配置）方案，增强模型对物理规律、因果关系、空间 / 物体持久性的建模
主导世界模型训练消化数据，用评测复测验证优化效果，推动闭环持续迭代
优先资格
有世界模型、视频生成、具身智能 / Physical AI 相关顶会论文或开源贡献
熟悉规划算法（MPC、model-based RL）与世界模型的结合，或世界模型在机器人 / 自动驾驶的落地评测
AI 洞察
优缺点分析
优点
- 处于大模型与具身智能的最前沿领域，技术壁垒高，行业前景广阔，具有极高的技术含金量
- 依托阿里集团丰富的算力与数据资源，能接触大规模可复现实验管线与顶尖技术团队
- 岗位独立性强，能够完整负责能力提升闭环，有利于积累从0到1的系统性工程与算法经验
- 世界模型评测标准尚在探索期，需要极强的创新能力和从0到1的定义能力，缺乏现成路径依赖
- 跨学科要求极高，需同时精通视觉生成、物理仿真与强化学习，学习曲线陡峭
- 适合对物理AI、具身智能有浓厚兴趣，具备扎实算法功底且喜欢探索前沿未知领域的技术极客
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法工程师向大模型评测专家或具身智能/Physical AI方向的技术专家发展
- 未来可主导核心基座模型的演进，成为世界模型领域的行业领军人物
- 设计并优化世界模型的评测体系，区分视觉逼真度与真实物理建模能力，定位物理违背或状态漂移等失败模式
- 针对模型短板设计数据合成与仿真环境生成方案，增强模型对物理规律和因果关系的理解
- 主导世界模型训练消化数据，用评测复测验证优化效果，推动“评测-数据-训练”闭环持续迭代
- 熟悉世界模型、视频生成及具身智能相关技术（如diffusion、VLA等），理解物理仿真与强化学习环境
- 具备扎实的Python/PyTorch工程能力，熟悉分布式训练与大规模可复现实验管线
- 能够独立定义评测方案，具备跨团队协作与技术引领能力，推动复杂项目闭环落地
申请策略
- 准备具体的失败模式定位案例（如物理违背、状态漂移），展示你如何发现问题并设计数据合成方案解决该问题的完整逻辑
- 突出在世界模型、视频生成或具身智能领域的顶会论文或高质量开源贡献
- 展示在物理仿真环境（如MuJoCo、Isaac）中的项目经验及评测指标设计能力
- 强调推动“评测-数据-训练”闭环落地的实际案例，体现解决复杂工程问题的能力
- 深入了解Physics-IQ、WorldModelBench等前沿Benchmark，补充规划算法（MPC、model-based RL）相关知识
- 复习并实操生成式仿真环境合成（如RoboGen/Cosmos）的相关代码与论文
面试指南
- STAR法则：情境（任务背景）- 任务（面临的挑战，如视觉与物理脱钩）- 行动（设计的评测指标、数据合成方案或仿真环境）- 结果（闭环迭代的效果，下游任务提升）
- 对比分析法：先阐述传统视觉指标的局限性，再引出你设计的物理/功能性评测方案，最后用数据证明新方案的有效性
- 如何区分世界模型的'视觉逼真'与'真正的世界建模能力'？请举例说明
- 请分享一个你设计过的针对物理规律遵循的评测指标或Benchmark
- 在生成式仿真环境合成中，如何保证物理配置和场景的多样性与合理性？
- 当视觉指标（如FVD）很高但下游规划任务失败时，你会如何排查和优化？
- 深入研读Cosmos、GameNGen、Genie等最新世界模型论文，理解其核心思路与局限
- 复习物理仿真与强化学习的基础知识，准备具体的代码或工程实现细节，以防深挖
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
阿里集团大模型核心算法岗，薪资具备较强市场竞争力，福利体系完善。
薪资信号未披露（AI估算：3千–6万/月）
成长发展
95较高
处于世界模型与具身智能的最前沿，技术挑战大，成长空间极高。
技术前沿前沿/新兴技术
技术栈世界模型、视频生成、具身智能、diffusion、autoregressive video、latent dynamics model、video tokenizer、VLA、MuJoCo、Isaac、PyTorch
业务类型ambiguous
工作生活
50较低
核心算法研发岗位，且要求推动闭环落地，工作强度可能较大，JD未明确提及WLB。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
致力于物理AI和具身智能，对推动机器人和自动驾驶发展具有重大社会价值。
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）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs