地平线
世界模型算法实习生
世界模型算法实习生
发布于 3 天前实习/见习
北京市 / 上海市
其它
实习生
混合式弹性办公
硕士
研究与开发 (研发)
Pytorch
Var
世界模型
具身智能
多模态模型
Causal Video Model
Dit
Latent World Model
AI 估算 · 8k–12k
大厂算法实习，前沿方向，薪资有竞争力，参考市场水平
职位详情
关于这个职位
该实习职位专注于世界模型、多模态统一模型等前沿技术研究，旨在打造下一代具身智能基础模型
你将参与算法研究、模型训练与评测，有机会在顶级会议发表论文，并接触到充足的算力和真实机器人平台
适合对具身智能和生成模型有浓厚兴趣的硕士/博士同学
最低要求
以下方向满足其一即可：
生成方向深入研究经验：熟悉主流生成模型架构（如 DiT、VAR 等）
熟悉世界模型相关架构（如 Causal Video Model、Latent World Model 等）
熟悉多模态模型架构（如 MoT、动作生成与理解一体化模型等）
具备扎实的大模型训练、微调与迭代经验
具身策略模型深度迭代经验：具备 End-to-End 自动驾驶、具身 VLA、WAM 等模型迭代经验，熟悉从模型训练、数据构建到评测分析的完整闭环
同时希望你具备：
扎实的工程能力：熟练使用 Python、PyTorch，熟悉 Hugging Face 生态，有大规模模型训练和迭代经验者优先
良好的综合素质：具备清晰的逻辑思维、团队沟通和协作能力，优秀的英文阅读与写作能力
工作职责
前沿算法研究：围绕具身基础模型/世界模型相关技术与算法开展研究，包括但不限于 World Action Model（WAM）、Action-Conditioned World Model、Unified Multimodal Model（UMM）、4D Foundation Model 等方向
探索创新方法及其在具身智能中的应用，参与基础模型的构建、训练、评测与开源，支持高质量技术报告与研究成果产出
成果产出与技术转化：负责高质量技术论文与技术报告的撰写，推动研究成果在 ICLR、CVPR、RSS、ICML 等国际顶级会议发表，并参与前沿算法在真实机器人系统与具身基础模型中的落地转化
优先资格
加分项
行业顶尖开源或闭源项目的全流程开发经验：包括模型调研、方案设计、训练迭代、性能评测、工程优化与长期维护等
顶会发表经历：在计算机视觉、机器学习、图形学、机器人等领域顶会或期刊（如 CVPR、NeurIPS、ICLR、ICML、SIGGRAPH、RSS、CoRL、TPAMI 等）以第一作者发表过相关论文
开源与竞赛经历：拥有高质量开源项目经验（如 GitHub 高 Star 项目），或在相关算法竞赛中取得优异成绩
实习要求：如果申请实习岗位，希望每周实习不少于 4 天，实习期 6 个月及以上
能够长期稳定实习者优先，支持部分时间远程
AI 洞察
优缺点分析
优点
- 接触世界模型、具身智能等最前沿技术方向，研究价值高
- 公司提供 1000+ GPU 算力、海量数据及真机平台，实验资源充足
- 资深研究员一对一指导，有明确的高水平论文发表支持
- 有竞争力的实习待遇和租房补贴，优秀者提供转正机会
- 实习期要求至少 6 个月且每周 4 天以上，时间投入较多
- 需同时兼顾研究创新与工程落地，对综合能力要求高
- 适合对具身智能和生成模型有强烈研究兴趣、希望产出高水平论文并积累大模型实践经验的硕士/博士生
缺点 / 挑战
- 研究难度大，需要较强的数学和算法基础，入门门槛较高
角色解读
- 实习期间可深入参与前沿研究，积累顶级会议论文发表经验
- 表现优秀可转正，成为正式研究员，继续在具身智能领域深耕
- 未来可向算法专家、团队负责人或独立研究员方向发展
- 研究世界模型、多模态统一模型等前沿算法，设计并实现创新方法
- 参与具身基础模型的构建、训练与评测，使用大规模 GPU 集群进行模型迭代
- 撰写高质量技术论文，推动研究成果在顶级会议（如 CVPR、ICLR）发表
- 与团队成员协作，将算法落地到真实机器人系统进行验证
- 扎实的生成模型或具身策略模型研究经验，熟悉 DiT、VLA 等架构
- 熟练使用 Python 和 PyTorch，具备大规模模型训练和调优能力
- 良好的逻辑思维和团队沟通能力，优秀的英文读写水平
申请策略
- 在简历和求职信中明确表达对具身智能领域的热情，并说明自己能稳定实习 6 个月以上
- 如有开源贡献，请附上 GitHub 链接
- 突出生成模型或具身策略模型的研究经历，如 DiT、VLA、World Model 等
- 展示大规模模型训练经验，包括使用的框架（PyTorch）和集群规模
- 列出已发表的顶会论文或高质量开源项目（GitHub 高 Star）
- 强调工程能力：Python 熟练度、Hugging Face 生态使用经验
- 提前复习扩散模型、自回归模型等生成模型原理，熟悉 DiT 和 VAR 细节
- 动手实现一个小型世界模型或具身策略模型，积累端到端经验
面试指南
- 技术问题：先阐述核心概念，再结合自身项目经验，最后给出对比或优化思路
- 开放性问题：先表明观点，再从技术可行性、数据、工程等角度分层展开
- 项目介绍：遵循 STAR 法则（情境-任务-行动-结果），突出你的贡献和量化效果
- 请详细介绍你参与过的一个生成模型或具身策略模型项目，包括技术路线和遇到的挑战
- DiT 和 VAR 模型的核心区别是什么？各自适用场景如何？
- 如何设计一个世界模型的训练流程？数据构建和评估指标有哪些？
- 你如何看待世界模型在具身智能中的前景和当前局限？
- 在 PyTorch 中，如何实现大规模分布式训练？你用过哪些策略？
职位点评
78
综合评分
顶级研究实习，前沿技术栈，资源丰厚，成长快，但实习期较长且需要现场办公。
更适合这类人
最看重技能成长和前沿研究机会、能够接受较强时间投入的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展95
工作生活60
使命价值85
薪资福利
70中等
实习生待遇有竞争力，提供租房补贴，但薪资相比正式岗位仍有一定差距；公司已上市，稳定性高。
薪资信号面议 (8K-12K/月)
福利待遇租房补贴、有竞争力的待遇
成长发展
95较高
职位专注于世界模型、多模态等前沿技术，有充足算力和数据支持，资深研究员指导，论文发表导向，成长空间极大。
技术前沿前沿/新兴技术
技术栈World Action Model、4D Foundation Model、DiT、VLA、Causal Video Model
成长机会资深研究员一对一指导、技术分享与论文研讨、高水平论文发表、转正机会
业务类型ambiguous
工作生活
60中等
支持部分远程实习，但每周至少 4 天到岗且实习期较长（6 个月以上），工作地点在北京/上海核心区域，通勤可能耗时。
工作模式混合式弹性办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
85较高
具身智能是 AI 前沿方向，对社会生产有潜在变革性影响；公司致力于推动技术落地，使命导向较强。
行业发展高速增长赛道
社会影响中性/一般
使命信号打造下一代具身智能基础模型
创新程度开拓性创新（行业首创）
Watch Jobs