优才-具身世界模型算法研究员（后训练方向）-Genie业务部

优缺点分析

角色解读

• 从研究院逐步成长为世界模型方向的技术专家，深入具身智能核心算法
• 可向技术管理方向发展，带领算法团队推进研发项目
• 也可横向拓展至机器人、自动驾驶等AI+物理世界交叉领域
• 构建机器人与具身任务的世界模型，用于环境预测、规划推演与策略学习
• 研究基于视频/多模态序列的生成式建模方法，如预测未来、补全状态、生成轨迹
• 探索世界模型与策略模型（planning、model-based RL、闭环控制）的结合方式，建立评测体系
• 与强化学习/具身算法/数据团队协作，推动模型在真实任务中的应用落地并撰写论文
• 扎实的机器学习基础，熟悉生成模型或序列建模（Transformer、Diffusion、Autoregressive等）
• 熟练掌握PyTorch，具备大规模模型训练或推理加速经验
• 有机器人、仿真、强化学习或视频生成相关背景更佳
• 具备较强的工程实现能力和学术研究能力，有顶会论文优先

申请策略

• 提前了解智元机器人的技术路线和产品方向，在面试中展示对齐
• 准备一个完整的研究项目故事，从问题定义、方法设计到实验验证
• 突出世界模型、生成模型、强化学习等相关项目经历，量化成果
• 强调PyTorch、大规模训练等工程能力，展示可落地的能力
• 如有顶会论文或开源项目，务必在显眼位置标注
• 展示对具身智能的理解和热情，如相关实践或调研
• 深入掌握Diffusion Model和Transformer的最新进展，动手实现小规模世界模型
• 了解机器人仿真环境（如MuJoCo、Isaac Gym）和强化学习算法（PPO、SAC等）

面试指南

• 使用STAR法则回答问题：背景（Situation）、任务（Task）、行动（Action）、结果（Result）
• 对于算法设计问题，从问题定义、方法选择、实验验证、迭代优化四个层次展开
• 结合具体数据或案例，展示你的思考过程和工程判断力
• 请介绍你做过的一个生成模型或序列建模项目，遇到什么挑战？
• 如何评估世界模型的预测质量？请设计一个评测方案
• 讲讲你对model-based RL和model-free RL的理解，世界模型如何辅助决策？
• 如何用Transformer/Diffusion模型生成视频或轨迹？
• 在真实机器人上部署世界模型需要考虑哪些工程问题？