主分类：大模型与生成式算法研发
辅助：AI模型评测工程（仅展示）
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": "【无人车北斗实习】世界模型实习生（感知数据生成方向）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "北京市 / 深圳市",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士期间发表至少1篇、博士期间发表至少3篇 CCF-A 类 World Model 或闭环仿真方向论文",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【工作内容】\n1. 探索世界模型在感知数据生成中的应用，提升自动驾驶训练数据的多样性与真实性\n2. 研究世界模型在端到端闭环评估中的作用机制，推动评估体系的智能化升级\n3. 参与模型迭代与大规模数据实验，输出可复现的研究结论与工程方案\n【岗位吸引点】\n1. 海量真实数据资源：美团 RoboVan 车队积累了丰富的真实物流驾驶数据，为世界模型训练与感知数据生成提供高质量、多样化的数据基础\n2. 研究价值高、应用空间大：感知数据生成直接服务于车队的训练数据扩充与安全场景覆盖，研究成果对业务有直接影响\n3. 评估体系共建机会：有机会主导或深度参与闭环评估体系建设，形成在业界有独特价值的技术积累",
"requirements_text": "1. 硕士期间发表至少1篇、博士期间发表至少3篇 CCF-A 类 World Model 或闭环仿真方向论文\n2. 具有头部自动驾驶公司 E2E 相关方向实习经历，理解感知数据生成与评估全流程\n3. 工程能力突出，具备生成模型训练与大规模数据处理的实践经验",
"skills": [AI生成
"模型训练"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4499868041&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4499868041",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4499868041&jobShareType=1"
},
"fulltext": "【无人车北斗实习】世界模型实习生（感知数据生成方向）\n【无人车北斗实习】世界模型实习生（感知数据生成方向）\n\n基础信息\n工作地点：北京市 / 深圳市\n职位类别：技术类\n职位族群：算法\n更新时间：2026-05-22\n\n岗位职责\n【工作内容】\n1. 探索世界模型在感知数据生成中的应用，提升自动驾驶训练数据的多样性与真实性\n2. 研究世界模型在端到端闭环评估中的作用机制，推动评估体系的智能化升级\n3. 参与模型迭代与大规模数据实验，输出可复现的研究结论与工程方案\n【岗位吸引点】\n1. 海量真实数据资源：美团 RoboVan 车队积累了丰富的真实物流驾驶数据，为世界模型训练与感知数据生成提供高质量、多样化的数据基础\n2. 研究价值高、应用空间大：感知数据生成直接服务于车队的训练数据扩充与安全场景覆盖，研究成果对业务有直接影响\n3. 评估体系共建机会：有机会主导或深度参与闭环评估体系建设，形成在业界有独特价值的技术积累\n\n岗位基本要求\n1. 硕士期间发表至少1篇、博士期间发表至少3篇 CCF-A 类 World Model 或闭环仿真方向论文\n2. 具有头部自动驾驶公司 E2E 相关方向实习经历，理解感知数据生成与评估全流程\n3. 工程能力突出，具备生成模型训练与大规模数据处理的实践经验\n【工作内容】\n1. 探索世界模型在感知数据生成中的应用，提升自动驾驶训练数据的多样性与真实性\n2. 研究世界模型在端到端闭环评估中的作用机制，推动评估体系的智能化升级\n3. 参与模型迭代与大规模数据实验，输出可复现的研究结论与工程方案\n【岗位吸引点】\n1. 海量真实数据资源：美团 RoboVan 车队积累了丰富的真实物流驾驶数据，为世界模型训练与感知数据生成提供高质量、多样化的数据基础\n2. 研究价值高、应用空间大：感知数据生成直接服务于车队的训练数据扩充与安全场景覆盖，研究成果对业务有直接影响\n3. 评估体系共建机会：有机会主导或深度参与闭环评估体系建设，形成在业界有独特价值的技术积累\n1. 硕士期间发表至少1篇、博士期间发表至少3篇 CCF-A 类 World Model 或闭环仿真方向论文\n2. 具有头部自动驾驶公司 E2E 相关方向实习经历，理解感知数据生成与评估全流程\n3. 工程能力突出，具备生成模型训练与大规模数据处理的实践经验",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}