高德-世界模型算法工程师-视觉团队

优缺点分析

角色解读

• 技术深耕：从算法工程师成长为世界模型领域的专家，发表顶会论文，引领技术方向
• 架构升级：积累大规模分布式训练和数据工程经验，向系统架构师或技术负责人发展
• 业务结合：将前沿研究与高德业务深度结合，转向AI产品化或技术管理岗位
• 研发通用世界模型的核心算法，包括视频生成、3D场景合成和物理仿真，探索机器理解物理世界的方法
• 设计和优化大规模生成模型的训练与推理流程，在万卡集群上高效运行训练任务
• 构建数据飞轮，从海量真实时空数据中提取高质量训练信号，提升模型对物理规律的模拟能力
• 将世界模型能力应用于高德地图的实际业务，如自动驾驶仿真、导航场景预测和空间智能
• 扎实的深度学习基础，精通PyTorch，具备千卡以上分布式训练实战经验
• 深入掌握视频生成、3D/4D生成、多模态大模型、强化学习或世界模型等至少一个方向
• 熟悉主流生成模型架构（DiT、AR-DiT、Flow Matching等），并有实际改造经验
• 良好的系统品味，能在算法创新与系统效率之间找到平衡

申请策略

• 在申请材料中表达对世界模型方向的热情和独到见解，展示对物理世界可计算性的思考
• 了解高德地图业务（导航、自动驾驶仿真等），思考世界模型如何与其结合，增加匹配度
• 重点突出视频生成、3D重建或世界模型相关的项目经验，尤其是从零搭建或深度改造模型架构的经历
• 强调分布式训练经验（如有千卡以上实践），并量化训练效率和模型性能指标
• 列出顶级会议论文或参与知名开源项目/竞赛的成果，体现研究能力
• 如有游戏引擎或物理仿真背景，务必在简历中突出
• 深入理解Diffusion、Autoregressive、DiT等生成模型原理，并动手实现小规模示例
• 提升分布式训练技能，学习PyTorch DDP/FSDP、混合精度训练、模型并行等技术

面试指南

• 对于技术问题，先明确问题本质，然后分步骤阐述原理、实践经验和优化思路，最好结合自己的项目案例
• 对于开放性问题，先提出核心观点，再从算法、系统、业务三个层面展开论证，最后总结可行性或挑战
• 对于系统设计问题，先定义输入输出，再考虑数据、模型、训练、部署全链路，突出权衡取舍
• 请详细描述你参与过的一个视频生成或世界模型项目，包括模型架构选择、训练流程和遇到的挑战
• 解释DiT和AR-DiT的核心区别，以及它们各自适合什么场景
• 在千卡集群上训练模型时，你如何优化通信瓶颈和计算效率？请给出具体策略
• 世界模型与传统的物理仿真（如游戏引擎）相比，优势和劣势分别是什么？
• 你如何看待世界模型在自动驾驶仿真中的潜在应用？请设计一个简单方案