"你将参与的方向 世界模型预训练调试 / 模型架构开发 / 多模态数据处理 / 预训练评测体系构建（视觉 + 触觉） 你会深度参与世界模型从“架构设计-预训练调试-数据支撑-评测验证”的核心闭环，一边优化模型性能、探索适配具身智能的架构方案，一边夯实数据基础、搭建科学评测体系，让世界模型的环境理解与决策能力持续提升，直接推动团队核心成果落地。 你会做什么 •世界模型预训练与架构开发 ￮参与世界模型预训练全流程调试：基于视觉、触觉等多模态数据，调试预训练策略，优化训练参数，解决训练过程中的收敛、过拟合等问题，提升模型泛化能力。 ￮探索适配具身智能场景的模型架构：结合视觉、触觉多模态输入特点，参与模型结构设计与优化，尝试轻量化、高效化架构方案，验证架构合理性与落地可行性。 ￮参与预训练实验设计与复盘：记录实验过程，分析实验结果，沉淀可复用的预训练经验与架构优化思路，支撑模型迭代升级。 •多模态数据处理（适配预训练需求） ￮参与预训练数据的全流程处理：从原始传感器日志（相机/深度/位姿/力控等）到可用于预训练的高质量数据集，完成数据清洗、同步、切片、版本管理与可复现。 ￮处理多传感器时间对齐与模态融合，重点优化数据适配预训练的格式与质量，输出符合预训练需求的dataset schema、metadata、数据划分等。 ￮诊断数据质量问题，优化数据筛选策略，确保数据的多样性、准确性，为预训练模型性能提升提供支撑。 •预训练评测体系构建 ￮搭建世界模型预训练评测体系：设计贴合具身智能场景的评测指标、评测数据集与评测流程，覆盖模型的环境理解、特征提取、泛化能力等核心维度。 ￮开发评测工具，自动化完成预训练模型的效果评测、误差分析，输出评测报告，为模型调试与架构优化提供数据支撑。 ￮持续迭代评测体系，结合预训练进展与业务需求，优化评测指标与流程，确保评测结果的科学性与实用性。 •工具化与效率提升 ￮开发预训练、数据处理、评测相关的可视化与调试工具，简化迭代流程，提升团队研发效率。 ￮沉淀可复用的代码、脚本与工具，规范预训练、数据处理与评测的流程，保障工作的可复现性。" "我们希望你具备（要求） •每周至少 4 天投入，线下优先（情况特殊可考虑远程） •有扎实的工程能力：Python 熟练，具备较强的数据处理、并行计算、IO 操作与日志分析能力；能写出清晰、可维护、高效的代码。 •以下任一方向有经验（满足其一即可，越多越好）： ￮模型预训练与调试：熟悉Transformer、CNN等主流模型架构，有预训练相关实践（如视觉、语言或多模态预训练），了解预训练策略与参数调优方法。 ￮模型架构开发：有基础的模型结构设计与优化经验，理解多模态数据融合逻辑，能结合场景需求提出架构改进方案。 ￮多模态数据处理：熟悉视觉、触觉等多模态数据的特点，有数据清洗、同步、格式转换等经验，了解多传感器标定优先。 ￮评测体系构建：有模型评测相关经验，能设计合理的评测指标与流程，具备基础的评测工具开发能力。 •加分项： ￮熟悉 PyTorch/TensorFlow 等深度学习框架，有预训练模型调优、分布式训练相关经验。 ￮熟悉 ROS/ROS2、bag/log 数据处理，或有多传感器（相机/力控）标定经验。 ￮做过数据集构建、标注流程、数据质量体系（DQA），或有模型评测工具开发经验。 ￮对触觉/力觉/时间序列信号处理有经验，了解具身智能相关领域优先。"