自动驾驶算法实习生 (大模型/端到端方向)

职位描述 (Job Description) 我们需要你深入参与下一代自动驾驶算法的研发。你将与资深算法工程师和顶尖研究员并肩作战，探索大模型（LLM/VLM）在自动驾驶场景中的应用，推动技术落地。 你的主要职责将包括： 前沿算法探索： 跟踪 CVPR, ICCV, ECCV, ICRA, NeurIPS 等顶会的前沿论文（State-of-the-art），复现并改进相关算法。 模型研发与迭代： 参与自动驾驶核心模块（感知/预测/决策/端到端）的模型设计、训练与调优。重点探索 Transformer、BEV、Occupancy Network 或 世界模型 在智驾中的应用。（成果可以发表顶会文章） 大模型应用落地： 探索多模态大模型（VLM）在长尾场景（Corner Case）理解、数据自动标注、场景生成及闭环仿真中的应用。 工程化部署： 协助算法在车端或云端的高效部署与性能优化。

岗位要求 (Requirements) 基础门槛 学历背景： 计算机、自动化、数学、车辆工程或相关专业，硕士或博士在读（优秀本科生亦可）。 代码能力： 具备扎实的编程功底（Python/C++），熟悉常见数据结构与算法（LeetCode Medium/Hard 水平），代码风格良好。 框架熟练度： 熟练使用至少一种深度学习框架（PyTorch / TensorFlow / JAX），有较强的动手复现能力。 专业技能（满足以下其一即可） 自动驾驶方向： 熟悉 2D/3D 检测、分割、跟踪、轨迹预测或规划控制算法。 对 BEV（鸟瞰图）感知、NeRF、3D Gaussian Splitting 等技术有深入理解者优先。 大模型/生成式AI方向： 深入理解 Transformer 架构（Attention机制等）。 有 LLM（大语言模型）或 VLM（视觉语言模型）的微调（SFT）、RLHF 或 RAG 实战经验。 熟悉 Diffusion Model，有视频生成或图像生成项目经验者优先。 实习时间 Fulltime实习，实习周期6个月以上。 加分项 (Bonus Points) 科研成果： 在 CVPR, ICCV, ECCV, NeurIPS, ICRA 等顶级会议以第一作者发表过论文。 竞赛获奖： 在 ACM-ICPC, Kaggle, nuScenes, Waymo Open Dataset 等相关竞赛中获得过 Top 名次。 实习经历： 有主流自动驾驶公司（如 Waymo, Tesla, 小马, Momenta 等）或大模型头部实验室实习经历。 开源贡献： 在 GitHub 上有高 Star 项目或作为主要贡献者参与过知名开源项目。 我们提供 (Benefits) 算力自由： 充足的 GPU 集群资源，支持大规模模型训练。 大牛带队： 行业技术大牛一对一指导，浓厚的 Mentor 氛围。 前沿业务： 直接接触海量真实路测数据，你的算法将有机会跑在真车上。 转正机会： 表现优异者可获得校招转正机会。