主分类：大模型与生成式算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "世界模型研究实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "高德地图",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "高德",
"company_industry": "数字地图 / 导航服务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "高德提供电子地图和导航服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能、自动化、数学等相关专业硕士或博士在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "参与下一代世界模型与视频生成基础模型的研究与研发，探索模型对真实世界空间、物理动态与长期演化规律的建模能力。\n参与大规模生成模型（Diffusion / Autoregressive Models 等）的预训练与架构探索，研究高效时空表征、模型 Scaling、训练稳定性及推理效率等核心问题。\n探索文本、图像、视频、动作、3D / 4D 等多模态信息在世界模型中的统一建模与对齐机制，提升模型在复杂开放场景下的生成质量与可控性。\n参与世界模型关键前沿问题研究，包括但不限于长视频生成、超长程时空一致性、长期记忆、物理规律学习、交互式生成与复杂动作控制等。\n快速跟进并复现世界模型、视频生成及多模态基础模型领域的前沿工作，在真实大规模数据与算力环境中验证新的算法想法，并推动优秀研究成果形成论文、开源项目或实际模型能力。",
"requirements_text": "计算机、人工智能、自动化、数学等相关专业硕士或博士在读，优秀本科生亦可。\n具备扎实的深度学习基础，熟悉 Transformer、Diffusion Model、Autoregressive Model 等至少一种主流生成模型架构。\n具备良好的 PyTorch 编程能力，能够独立完成论文阅读、算法实现、实验设计与结果分析。\n对世界模型、视频生成、多模态大模型、空间智能等方向具有浓厚兴趣，对模型为什么能够学习并预测真实世界抱有强烈好奇心。\n具备良好的研究能力与工程能力，能够在开放问题和不确定环境中快速学习、提出假设并通过实验验证。\n加分项：\n有视频生成、图像生成、世界模型、VLM / LMM、3D / 4D 视觉等相关研究或项目经历；\n有大规模模型预训练、后训练、分布式训练或模型加速经验；\n在 CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML、AAAI 等会议发表过论文，或有高质量开源项目；\n对世界模型 Scaling Laws、长程生成、交互式视频生成、物理世界建模等前沿问题有自己的理解和判断。",
"skills": [AI生成
"PyTorch",
"深度学习",
"建模",
"大语言模型"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908600005?deptCodes="
}
]
},
"posting": {
"posting_id": "199908600005",
"post_date": "2026-08-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908600005?deptCodes="
},
"fulltext": "世界模型研究实习生\n世界模型研究实习生\n\n基础信息\n毕业起止时间要求：2028-10-01 - 2031-01-01\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：北京\n\n职位描述\n参与下一代世界模型与视频生成基础模型的研究与研发，探索模型对真实世界空间、物理动态与长期演化规律的建模能力。\n参与大规模生成模型（Diffusion / Autoregressive Models 等）的预训练与架构探索，研究高效时空表征、模型 Scaling、训练稳定性及推理效率等核心问题。\n探索文本、图像、视频、动作、3D / 4D 等多模态信息在世界模型中的统一建模与对齐机制，提升模型在复杂开放场景下的生成质量与可控性。\n参与世界模型关键前沿问题研究，包括但不限于长视频生成、超长程时空一致性、长期记忆、物理规律学习、交互式生成与复杂动作控制等。\n快速跟进并复现世界模型、视频生成及多模态基础模型领域的前沿工作，在真实大规模数据与算力环境中验证新的算法想法，并推动优秀研究成果形成论文、开源项目或实际模型能力。\n\n职位要求\n计算机、人工智能、自动化、数学等相关专业硕士或博士在读，优秀本科生亦可。\n具备扎实的深度学习基础，熟悉 Transformer、Diffusion Model、Autoregressive Model 等至少一种主流生成模型架构。\n具备良好的 PyTorch 编程能力，能够独立完成论文阅读、算法实现、实验设计与结果分析。\n对世界模型、视频生成、多模态大模型、空间智能等方向具有浓厚兴趣，对模型为什么能够学习并预测真实世界抱有强烈好奇心。\n具备良好的研究能力与工程能力，能够在开放问题和不确定环境中快速学习、提出假设并通过实验验证。\n加分项：\n有视频生成、图像生成、世界模型、VLM / LMM、3D / 4D 视觉等相关研究或项目经历；\n有大规模模型预训练、后训练、分布式训练或模型加速经验；\n在 CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML、AAAI 等会议发表过论文，或有高质量开源项目；\n对世界模型 Scaling Laws、长程生成、交互式视频生成、物理世界建模等前沿问题有自己的理解和判断。\n\n在招业务\n高德地图\n参与下一代世界模型与视频生成基础模型的研究与研发，探索模型对真实世界空间、物理动态与长期演化规律的建模能力。\n参与大规模生成模型（Diffusion / Autoregressive Models 等）的预训练与架构探索，研究高效时空表征、模型 Scaling、训练稳定性及推理效率等核心问题。\n探索文本、图像、视频、动作、3D / 4D 等多模态信息在世界模型中的统一建模与对齐机制，提升模型在复杂开放场景下的生成质量与可控性。\n参与世界模型关键前沿问题研究，包括但不限于长视频生成、超长程时空一致性、长期记忆、物理规律学习、交互式生成与复杂动作控制等。\n快速跟进并复现世界模型、视频生成及多模态基础模型领域的前沿工作，在真实大规模数据与算力环境中验证新的算法想法，并推动优秀研究成果形成论文、开源项目或实际模型能力。\n计算机、人工智能、自动化、数学等相关专业硕士或博士在读，优秀本科生亦可。\n具备扎实的深度学习基础，熟悉 Transformer、Diffusion Model、Autoregressive Model 等至少一种主流生成模型架构。\n具备良好的 PyTorch 编程能力，能够独立完成论文阅读、算法实现、实验设计与结果分析。\n对世界模型、视频生成、多模态大模型、空间智能等方向具有浓厚兴趣，对模型为什么能够学习并预测真实世界抱有强烈好奇心。\n具备良好的研究能力与工程能力，能够在开放问题和不确定环境中快速学习、提出假设并通过实验验证。\n加分项：\n有视频生成、图像生成、世界模型、VLM / LMM、3D / 4D 视觉等相关研究或项目经历；\n有大规模模型预训练、后训练、分布式训练或模型加速经验；\n在 CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML、AAAI 等会议发表过论文，或有高质量开源项目；\n对世界模型 Scaling Laws、长程生成、交互式视频生成、物理世界建模等前沿问题有自己的理解和判断。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}