职位描述： 1）世界模型主干架构设计与训练（潜空间预测 / 生成式预测 / 混合路线）； 2）动作条件预测方案设计：将动作向量、物理参数接入模型，实现可控未来预测； 3）长时域 rollout 的稳定性与精度优化； 4）与 Encoder / 生成研究员协同，推动端到端世界模型闭环。 5）负责主线中所有数据侧的研究工作——诊断实验、评测数据集构造、数据配比消融； 6）benchmark / metric 设计与改进； 7）从实验设计 → 批量运行 → 结果统计的全流程执行。 任职要求： 1）有世界模型或动力学建模研究经验，熟悉 JEPA / Dreamer / RSSM / Genie / predictive coding 等方法； 2）深度理解潜空间预测与生成式预测两条路线的优劣，能根据任务选择或融合； 3）有动作条件模型训练经验，理解动作表示、条件注入方式对预测质量的影响； 4）有长时域 rollout（多步预测）经验，能诊断误差累积、表征崩塌等问题； 5）熟 PyTorch，做过从问题定义到实验验证的完整研究闭环； 6）做过 benchmark 或 metric 设计，理解指标选择对模型比较结论的影响； 7）做过视频或多模态数据集的系统性策展研究（清洗、筛选、质量评估、配比消融任一）。 加分项： 1）有 V-JEPA / Genie / UniSim / DIAMOND 等世界模型的复现或改进经验； 2）有 model-based RL 落地经验（Dreamer / IRIS / TD-MPC）； 3）了解或实践过 WAM / VideoGen / 多模态模型 / JEPA 架构中任一方向； 4）发过数据策展 / data selection / data mixture 方向论文； 5）有顶会一作论文（NeurIPS / ICML / ICLR / CoRL / CVPR）。