主分类：大模型与生成式算法研发
辅助：计算机视觉与图像感知算法研发（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": "仿真世界模型工程师（J97892）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "IDG",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "-自动化、计算机科学、电子工程、计算机等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-设计与训练自动驾驶场景的生成式视频/多模态世界模型，预测未来图像帧及多模态传感器状态\n-设计与优化基于 3D Gaussian Splatting（3DGS）/ NeRF 的大规模动态场景表示与重建算法\n-将 3D 表达与生成技术结合，构建具备物理一致性的世界模型架构\n-设计具备行为建模（behavior modeling）与交通场景生成（scenario generation）能力的世界模型，能够刻画多智能体交互与环境动态\n-实现闭环训练系统，让模型通过反馈与模拟持续迭代优化预测能力\n-结合业务场景（回放型仿真，长尾场景泛化，生成式虚拟路测等），完成算法研发与应用落地\n-提升闭环仿真各系统模块运行效率，减少云端部署和运行成本",
"requirements_text": "-自动化、计算机科学、电子工程、计算机等相关专业硕士及以上学历\n-在生成式视频模型或世界模型架构方面具备深入经验\n-在时空建模、3D 场景理解或神经仿真（Neural Simulation）方面有扎实研究背景\n-熟练掌握 PyTorch等常用框架，有大规模分布式训练经验",
"skills": [AI生成
"PyTorch",
"建模"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/8d12dd37-d886-47f9-9da8-7384b1242355"
}
]
},
"posting": {
"posting_id": "8d12dd37-d886-47f9-9da8-7384b1242355",
"post_date": "2026-05-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/8d12dd37-d886-47f9-9da8-7384b1242355"
},
"fulltext": "仿真世界模型工程师（J97892）\n仿真世界模型工程师（J97892）\n\n基础信息\n部门：IDG\n地点：北京市\n类别：技术\n招聘人数：5\n发布时间：2026-07-21\n\n工作职责\n-设计与训练自动驾驶场景的生成式视频/多模态世界模型，预测未来图像帧及多模态传感器状态\n-设计与优化基于 3D Gaussian Splatting（3DGS）/ NeRF 的大规模动态场景表示与重建算法\n-将 3D 表达与生成技术结合，构建具备物理一致性的世界模型架构\n-设计具备行为建模（behavior modeling）与交通场景生成（scenario generation）能力的世界模型，能够刻画多智能体交互与环境动态\n-实现闭环训练系统，让模型通过反馈与模拟持续迭代优化预测能力\n-结合业务场景（回放型仿真，长尾场景泛化，生成式虚拟路测等），完成算法研发与应用落地\n-提升闭环仿真各系统模块运行效率，减少云端部署和运行成本\n\n职责要求\n-自动化、计算机科学、电子工程、计算机等相关专业硕士及以上学历\n-在生成式视频模型或世界模型架构方面具备深入经验\n-在时空建模、3D 场景理解或神经仿真（Neural Simulation）方面有扎实研究背景\n-熟练掌握 PyTorch等常用框架，有大规模分布式训练经验\n-设计与训练自动驾驶场景的生成式视频/多模态世界模型，预测未来图像帧及多模态传感器状态\n-设计与优化基于 3D Gaussian Splatting（3DGS）/ NeRF 的大规模动态场景表示与重建算法\n-将 3D 表达与生成技术结合，构建具备物理一致性的世界模型架构\n-设计具备行为建模（behavior modeling）与交通场景生成（scenario generation）能力的世界模型，能够刻画多智能体交互与环境动态\n-实现闭环训练系统，让模型通过反馈与模拟持续迭代优化预测能力\n-结合业务场景（回放型仿真，长尾场景泛化，生成式虚拟路测等），完成算法研发与应用落地\n-提升闭环仿真各系统模块运行效率，减少云端部署和运行成本\n-自动化、计算机科学、电子工程、计算机等相关专业硕士及以上学历\n-在生成式视频模型或世界模型架构方面具备深入经验\n-在时空建模、3D 场景理解或神经仿真（Neural Simulation）方面有扎实研究背景\n-熟练掌握 PyTorch等常用框架，有大规模分布式训练经验",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}