生成式 CAD 算法实习生

职位描述

我们正在研发面向真实工业设计场景的生成式 CAD 技术，研究如何让 AI 理解结构化 CAD 几何及参数化建模过程，并参考已有设计与设计规范，完成几何模型的调整和生成。

这是一个以实际场景紧密关联的算法岗位。我们关注模型能否在真实数据和 CAD 环境中解决问题，而不仅是公开数据集上的指标。团队将提供真实工业数据、模型训练算力，以及算法、工程和软件开发多方面的协作支持。优秀成果可进一步在专家指导下转化为高水平论文、专利或毕业设计。

岗位职责

1. 研究结构化 CAD 几何及参数化建模过程的表示、理解、推理与生成方法；

2. 负责生成模型的训练、微调、评估和迭代，探索基于参考设计及约束条件的程序化 CAD 生成；

3. 在真实工业数据和 CAD 执行环境中验证算法效果，推动研究成果形成可运行、可集成的解决方案；

4. 探索参数化建模过程的逆向恢复、结构化 CAD 几何与参数化建模程序的跨模态对齐，以及结构化三维几何直接生成等方向。

任职要求

1. 具备扎实的深度学习与生成模型基础，有实际模型训练、调试和评估经验；

2. 熟练使用 Python 和 PyTorch，能够独立完成数据处理、模型训练、实验分析与迭代优化；

3. 对三维几何、生成式 AI 或程序生成中的至少一个方向具备相关经验或浓厚兴趣；

4. 具备良好的研究能力，能够开展技术调研、理解前沿工作、提出可验证的技术方案并完成复现；

5. 具备扎实的软件工程能力，熟悉 Git、模块化开发和基本测试方法，能够编写可复现、可维护、可集成的研究代码。

加分项

1. 在三维视觉、几何深度学习、生成式 CAD 或程序生成方向有研究或项目经验；

2. 有大模型训练或微调、代码生成、程序合成、强化学习等相关经验；

3. 有能够体现研究能力或工程落地能力的论文、开源项目或实际项目成果；

4. 能长期稳定实习、可现场办公者优先。