应用研究研究员/工程师

岗位职责
我们期待你成为
你是一名硕士或博士研究生，在生成式 AI、计算机图形学或计算机视觉领域拥有扎实的研究基础。你是一位注重实践的研究者，衡量成功的标准不仅是论文，更是你的模型能否为真实用户解决实际问题。你能够熟练地训练模型、处理数据和设计算法，并始终以最终应用为导向。
你能从开放式的用户需求出发，将其转化为具体的研究问题，选择合适的技术方案——无论是大型生成模型、经典几何算法，还是两者的结合——并推动其落地为可用的解决方案。在阐述想法时，你能把复杂的技术问题解释得清晰易懂。
你重视研究为创作者带来的实际价值：你不仅热衷于推动 3D 生成式 AI 的技术前沿，也期待让自己的研究成果惠及数百万创作者。

你将迎接的挑战
作为 Meshy 应用研究团队的实习生，你将开展以应用为导向的 3D 生成式 AI 研究。我们训练的每一个模型、设计的每一种算法，都面向真实的用户需求。你将端到端地负责研究问题，从数据、模型一直推进到切实可用的解决方案。
我们的工作涵盖广泛的 3D 问题，包括网格生成、重拓扑、网格编辑、部件分割、UV 展开、3D 打印等。你不必在所有方向上都有经验；我们更看重你深入探索新问题并将其解决的能力。

主要职责包括但不限于：
- 设计和训练 3D 几何生成模型，应用于网格生成、重拓扑和网格编辑等任务，探索扩散模型、流匹配（Flow Matching）以及基于 Transformer 的模型等架构与训练范式。
- 与数据团队紧密合作，推动数据基础建设：主导大规模 3D 数据集的整理、清洗与筛选，并研究适用于学习的 3D 数据表示方式，例如网格、隐式场、点云、高斯泼溅（Gaussian Splatting）和潜在表示。
- 针对用户实际面临的问题，设计完整的算法解决方案，判断何时采用学习模型、经典几何算法，或将二者结合。
- 建立评估体系，通过明确、可量化的指标跟踪模型改进，并指导研究方向。
- 衔接研究与产品，交付具备生产落地潜力的原型，并与工程师紧密合作，推动其投入实际应用。
- 将良好的工程实践融入研究，包括编写清晰规范的代码、开展可复现的实验，以及完整记录研究发现。

岗位要求
我们期待你具备
- 正在攻读计算机科学、电子工程、数学或相关专业的硕士或博士学位。
- **扎实的 Python 和 PyTorch 编程能力，这是必备条件。**你能够独立完成从模型构思、训练运行到结果分析的全过程。
- 能够熟练使用 C++ 开展工作。许多几何与图形学算法需要用 C++ 实现，因此你应具备阅读和编写 C++ 代码的能力。
- 对 Transformer 和现代生成模型有扎实的理解，包括扩散模型、流匹配、变分自编码器（VAE）等。
- 拥有 3D 生成、网格生成、重拓扑或 3D 表示学习方面的研究经验，并能通过论文、研究项目或开源贡献加以证明。
- 能够阅读、复现并批判性地评估前沿论文，将模糊的问题拆解为具体的实验。
- 良好的沟通能力，以及跨研究和工程团队协作的能力。

加分项：
- 在计算机图形学、机器学习或计算机视觉顶级会议上发表过论文，例如 SIGGRAPH、SIGGRAPH Asia、NeurIPS、ICLR、CVPR、ICCV、ECCV。
- 具备大规模或分布式训练经验，例如 DDP、FSDP 或多节点 GPU 集群训练。
- 具备几何处理或图形学算法背景，例如重网格化、网格修复、UV 参数化，或可打印性分析等 3D 打印相关算法。
- 具备 CUDA 或 GPU 编程经验。