实现网
视频世界模型采集需求(游戏) 远程兼职

视频世界模型采购需求(游戏) 需求描述 1.1.需求详情 1.1 需求描述 采集带动作标注的3D游戏视频,可以是赛车类游戏、科技类游戏、世界探索类游戏等。主要有以下要求: 1.游戏场景多样化(比如不同的自然环境,城市街道、森林、山地等),不能是大量单一重复的场景。尽可能的去遍历游戏中的不同场景和操作/交互。同个场景重复录制以及在同个场景中长时间停留为无效数据。 2.需要包含游戏角色和场景的互动,比如攻击、开关/门、上车/马、推动物体、拾取装备等。游戏角色静止不动,或者简单走来走去无任何交互动作为无效数据。 3.需要记录所有输入设备的操作,比如键盘输入、鼠标轨迹等。记录所有操作对应的视频帧。操作和视频帧对应误差不超过0.1s 4.录制游戏时,要尽可能的消除所有和场景无关的内容,减少对场景遮挡,比如进度条,文字对话框,各种弹窗/提示框等等。要求干净的视频区域的长和宽(不包括场景无关的内容)不得小于原始视频的长以及宽的70%。下面示例图中左边为不合格示例,右侧为合格示例: 不合格,画面存在较多UI遮挡 合格,场景画面干净,或UI遮挡不超过画面长&宽的70% 5.应尽量保持自然体验,不要出现太多拥挤的人物和NPC,以及过多过于复杂的打斗场景。不要有过多的非物理世界元素,如大量特效技能等。 6.游戏视角的变化要尽量平滑。不能剧烈的移动画面和视角。 7.不要过场动画。 8.排除2D游戏,比如棋牌类的,俄罗斯方块等。 9.场景明亮可见度高,避免太暗的场景。如漆黑的夜晚,阴暗的地下室等。 游戏种类应丰富,可参考steam平台top 500的当前热门游戏 + top 2000的历史 具体费用详细沟通,可按条数或者按工时,具体可谈 —————————————————————————————— 注意📢:具体项目费用、需求情况需和客户直接沟通,现在的费用是平台发布随机填写,不具参考意义

预估 30000 元

GraphRAG 系统开发工程师 远程兼职
Python
GraphRAG
Knowledge Graph
Vector Search
LLM

🌐 GraphRAG 开发者挑战赛——法律文档处理(原型) 职位类型: 合同 / 自由职业 报酬方式: 仅在通过评测(总体得分 95% 以上)后支付 开发周期: 从接收材料起 7–10 天内完成现场演示 项目范围: GraphRAG 原型(无前端、无生产环境) 我们正在寻找一位紧跟当前图结构检索(Graph-based Retrieval)研究的专家,能够为法律文档设计一个高精度 GraphRAG 管道系统。 本项目不是聊天机器人或界面开发项目,也不是比拼延迟速度的竞赛。 系统可包含多跳检索或智能 Agent 调度。 知识图谱的构建与遍历属于项目范围。 ⚠️ 必须实现 GraphRAG,而非普通的 RAG! 📂 你将获得的资料 /docs/ → 10 份预处理的 Markdown 法律文档(包含丰富元数据) /sample_questions.json → 2 个示例问题(格式参考) /sample_answers_rag.json → 2 个示例答案(风格与结构参考) 以上仅为格式参考。正式评测将使用未公开的新问题。 🛠️ 你需要完成的内容(仅限原型阶段) 请在 Python 3.12 环境下(Poetry 项目结构)实现以下两个函数: def ingest(document_paths: List[str]) -> None: """导入提供的法律 Markdown 文档,构建知识图谱等。""" def query(questions: List[str]) -> List[str]: """返回基于检索结果的答案,并使用 Vancouver 风格的引文格式。""" 要求: 无需前端 UI、无需 API Key、无需云环境; 可使用任意技术栈,重点在于方法与结果; query(...) 必须支持并行执行,并能在终端显示进度; 在 60 分钟的现场测试中需处理约 400 个问题。 🧪 评测与报酬(如何获得支付) 你在本地使用示例文件进行开发与调试; 现场测试时(60 分钟内),我们提供约 400 个新问题; 你运行 query(...) 并生成 /answers.json 文件; 我们使用 LLM 作为评测者对你的答案进行打分(你无需构建评估框架)。 若你的总体得分在以下四项指标中超过 95%,则视为通过: 忠实性(Faithfulness):无幻觉,回答内容来源明确; 相关性(Relevance):检索内容与问题高度匹配; 完整性(Completeness):覆盖问题的所有关键要点; 清晰度(Clarity):结构清晰、逻辑严谨、法律表达规范。 通过后需提交完整代码库(包含仓库、Poetry 锁文件、运行说明及技术说明文档)。 我们验证可复现性后支付报酬,并考虑与你签订长期合作。 注意事项: 不使用 F1 指标; 不考察延迟时间; 官方统一运行评测; 若未通过评测 → 无报酬,你保留代码所有权;不做例外处理。 英文版:We’re hiring an expert who follows current graph-based retrieval research and can design a high-accuracy GraphRAG pipeline for legal documents. This is not a chatbot/UI project and not a latency contest. The system may include multi-hop/agentic orchestration. Knowledge-graph construction and traversal are in scope. Must be GraphRAG not vanilla RAG! ---------------------------------------------------------------------- 📂 What You Receive - /docs/ → 10 pre-processed Markdown legal documents (rich metadata) - /sample_questions.json → 2 sample questions (format reference) - /sample_answers_rag.json → 2 sample answers (style/structure reference) These are for orientation only. The live benchmark uses unseen questions. ---------------------------------------------------------------------- 🛠️ What You Must Build (Prototype Only) Expose exactly two Python functions (Python 3.12, Poetry project): def ingest(document_paths: List[str]) - None: """Ingest the provided legal markdown documents, build knowledge graph etc.""" def query(questions: List[str]) - List[str]: """Return answers as strings with Vancouver-style citations grounded in retrieved sources.""" - No UI, no API keys provided, no cloud required - Use any stack—we care about your approach and results, not tools - query(...) must support parallel execution to process ~400 questions in the 60-min live session. Must show a progress indicator in the terminal. ---------------------------------------------------------------------- 🧪 Demo & Evaluation (How You Get Paid) - You implement locally using the samples for orientation - Live 60-min session: we provide ~400 questions - You run query(...) live and produce /answers.json - We run the benchmark (LLM-as-judge) on your answers; you don’t need to build an evaluation framework If your overall score is more than 95% across: • Faithfulness (no hallucinations; grounded in retrieved text) • Relevance (retrieval matches the query) • Completeness (key points fully covered) • Clarity (clear, structured, legally coherent) You hand over the entire codebase (repo, Poetry lock, run instructions, and short tech note). Payment is released only after you deliver the full repo and we verify reproducibility. You are considered for hiring/further engagement. NOTE: - We do not use F1 - We do not measure latency - We run the benchmark - Fail → No payment; you keep your code. No exceptions

Small sample user
昵称登录后显示 大约 2 个月前发布

预估 7000 元

我是技术人才
我在寻找远程工作

技术人才入驻

我是创业者
我在寻找技术人才

发布用人需求