职位描述
ꔷ 模型选型与评测：负责跟踪和深度评测业界前沿的Text/Image-to-3D模型（如混元、VAST、Meshy等），建立“文玩”品类的评测基准（Benchmark），从质量、速度、成本、可塑性等多维度输出评估报告，并参与制定技术共建方案。
ꔷ 训练框架搭建：主导或参与自建3D AIGC训练框架，实现SFT（监督微调）、PO（偏好优化）、RLHF以及模型蒸馏等全套“后训练”链路。
ꔷ 模型SFT与强化：深入“文玩”业务场景，构建高质量SFT数据集（如品类黑话、风格化），对底座模型进行微调，使其更懂品类。
ꔷ 可打印性优化：探索使用PO/RLHF技术，构建“高可打印性”偏好数据集，训练AIGC模型使其倾向于生成结构稳定、易于修复、符合制造标准的3D模型，构建核心数据与模型壁垒。
ꔷ 模型优化与部署： 负责3D生成模型的轻量化、蒸馏和加速，优化推理速度和成本，满足平台规模化应用需求。
职位要求
‒ 计算机科学、人工智能、计算机图形学等相关专业硕士及以上学历。
‒ 精通PyTorch/TensorFlow，具备出色AI模型工程能力；熟悉大规模分布式训练框架者优先。
‒ 深入理解一种或多种3D表征（如NeRF, SDF, Mesh, Voxel, Point Cloud），并熟悉Diffusion Model, GANs等主流生成模型原理。
‒ 具备3D AIGC（如Text-to-3D, Image-to-3D）相关项目经验，有实际SFT、PO、RLHF训练经验者优先。
‒ 在CVPR, ICCV, ECCV, SIGGRAPH, NeurIPS等顶会发表过3D/AIGC相关论文者优先。
‒ 对3D打印、工业制造有浓厚兴趣，具备强大的自驱力和快速学习能力，敢于挑战技术难题。
