算法研究实习生

岗位职责

1. 在指导下调研 Physical AI 中的生成式模型（Diffusion Model / Diffusion Policy、Encoder-Decoder 架构、VLA/VLM、强化学习、世界模型等），分析现有架构的不足与改进空间，参与提出与量子计算结合的架构创新方案。
2. 参与将具体问题抽象、转换为量子计算可求解的标准模型或标准数学形式（如 Ising、QUBO 等），完成理论分析与原型实现，并协助在量子计算机上完成求解与验证。
3. 参与数据提纯、数据增广与数据质量评价的算法研究，沉淀可复用的方法与模块。
4. 协助建立经典算法基线与评价方法，在可复现的对照实验中验证量子方案的增益与适用边界。
5. 参与论文、技术报告等研究成果的撰写，并将有效方法沉淀为可复用的算法能力。
6. 与研究、工程团队协作，做好实验记录与结果复现。

任职要求

1. 计算机、人工智能、数学、物理、机器人等相关专业在读博士，或优秀的研究型在读硕士；可连续实习 6 个月及以上（硬性要求，不招短期实习），每周可到岗 4 天及以上者优先。
2. 编程能力扎实：熟练使用 Python，熟悉 PyTorch 等深度学习框架，能独立完成模型训练与实验代码。
3. 数学建模能力扎实，能够将实际问题抽象、转换为标准数学形式；对 Ising、QUBO 等有了解者优先。
4. 熟练使用 Codex、Claude Code 等 AI Agent 工具，或具有自行搭建并使用智能体的经验；面试时欢迎展示与 AI 协作的 demo、实验或项目成果。
5. 在以下方向中至少有一类实质经验（满足一类即可，不要求全部具备）：
   • 生成式模型方向：熟悉 Diffusion Model / Diffusion Policy、Encoder-Decoder 架构、VLA/VLM、强化学习或世界模型中的至少一类，理解其基本原理，并亲手训练过模型；
   • 机器人方向：在高保真仿真环境中开展过研究，或将模型部署到真实机器人上做过验证；研究涉及双臂操作、灵巧手操作或全身运动控制者优先；
   • 量子计算方向：有量子计算、QUBO/Ising 建模或量子启发方法的学习或实践经验。
6. 能够独立阅读论文、提出问题、设计实验并实现代码原型；重视实验记录与结果复现。
7. 对量子计算与 AI 的交叉方向有热情，愿意在跨领域协作中持续学习量子计算相关知识。

加分项

• 在相关领域会议或期刊发表过论文（如 NeurIPS、ICML、ICLR、CoRL、RSS、ICRA、CVPR、ICCV、SIGGRAPH 等，或 T-RO、IJRR、TPAMI 等期刊），或有开源研究项目、可展示的算法创新成果。
• 有能量模型、采样优化等方向的研究或课程项目经验。

投递说明