算法实习生

岗位核心目标 依托数据闭环（Data Loop）体系，针对 OCC（占用网络）、目标检测、静态地图识别 三大核心功能进行实车问题的闭环优化。 职位描述： 场景化问题解决： 深入分析路测反馈的失效场景（Corner Cases），通过数据手段实现感知能力的快速迭代。 闭环链路实践： 参与从大规模数据挖掘、自动化标注、样本均衡优化到模型增量训练的全流程，提升算法在复杂工况下的泛化能力。 算法部署优化： 协助完成模型在嵌入式端的评测与部署，确保算法在资源受限环境下的鲁棒性。

岗位重点（入职预期对齐） 请在投递前确认您的职业兴趣与以下工作模式匹配： 非纯架构研究方向： 本岗位的工作重心不在于纯粹的模型架构创新或学术论文发表，而在于解决真实的物理世界感知难题。 数据驱动本质： 算法的进阶来自于对数据的深度洞察。工作中约 70% 的精力将投入在数据分析、长尾场景挖掘及闭环链路的构建上。 工程价值导向： 我们追求的是算法在车端的实际落地表现。相比于刷榜指标，我们更看重通过数据手段解决实际“漏检/误检”的工程能力。 职位要求： 计算机/机器人相关专业，具备扎实的 CV 基础。 精通 PyTorch，具备优秀的 Python/C++ 编程及数据处理能力。 核心特质： 认同“数据决定算法上限”的理念，具备极强的问题拆解能力和工程落地耐心。