岗位职责
我们正在寻找顶尖的大模型预训练算法工程师，加入我们的自动驾驶核心算法团队。你将站在物理AI与自动驾驶的前沿，负责构建下一代端到端自动驾驶基础模型。你的工作将直接决定智能驾驶系统的上限，从海量无标注数据中挖掘驾驶规律，探索World Model（世界模型）与多模态学习的边界，推动L2+至L4级自动驾驶技术的落地与进化。 主要职责： 模型研发与创新：负责自动驾驶多模态大模型的预训练框架设计与优化，探索自监督/弱监督学习在长尾场景下的应用，主导视觉-语言-动作（VLA）或多模态对齐技术的研发。 世界模型构建：深入研究生成式模型（如Diffusion、Autoregressive Model），构建自动驾驶领域的世界模型，提升模型对物理规律、因果关系的理解与推演能力，赋能仿真与规控。 端到端技术演进：参与或主导基于大模型的端到端规划算法研发，打通从感知到决策的全链路优化，解决传统模块化系统中的信息损耗与累积误差问题。 大规模训练工程落地：负责千卡级分布式训练的优化，包括但不限于数据并行、模型并行、流水线并行策略，以及显存优化和通信加速，确保训练的高效与稳定。 技术战略规划：跟踪学术界（CVPR/ICCV/ECCV/NeurIPS等）及业界前沿动态，结合业务实际制定技术路线图，攻克数据闭环中的核心算法难题。
职位要求
教育背景：计算机、自动化、数学等相关专业硕士及以上学历，博士优先。 研究能力： 在自动驾驶、多模态学习、世界模型、具身智能等至少一个领域有深厚积累。 以第一作者发表过顶会/顶刊论文（如CVPR, ICCV, ECCV, NeurIPS, ICLR, TPAMI等），或有Kaggle、Waymo挑战赛等顶级竞赛获奖经历。 技术栈： 精通PyTorch等深度学习框架；精通自监督/弱监督预训练算法、对比学习、掩码建模等技术。 深入理解多模态融合与对齐机制（如CLIP, BLIP, LLM-based agents）；熟悉扩散模型（Diffusion Models）原理及加速采样技术。 具备扎实的端到端自动驾驶算法基础，熟悉Planning/Control模块者优先。 工程能力： 拥有千卡级GPU集群的分布式训练实战经验，熟悉Megatron-LM, DeepSpeed等框架，能够独立解决大规模训练中的收敛与性能瓶颈。 具备优秀的代码能力，熟练掌握Python/C++，有良好的系统设计与工程规范意识。 团队与领导力： 具有3人以上技术团队管理经验，善于跨团队（如数据平台、仿真、测试、硬件）协调资源，推动复杂项目落地。 具备清晰的技术战略思考能力，能够从0到1规划技术路径，并拆解执行。 软性素质： 安全敬畏心：深刻理解自动驾驶的安全红线，在算法设计中始终将安全性置于首位。 极客精神：追求算法性能的极致，同时保持务实态度，平衡学术前瞻性与工程落地性。 适应力：愿意拥抱技术变革，适应创业公司般的高强度迭代节奏，对解决未知难题充满热情。 加分项： 在GitHub上有具有影响力的开源项目。 有LLM（大语言模型）微调、RLHF（人类反馈强化学习）相关经验。 熟悉车端部署与TensorRT加速，了解嵌入式系统特性。
