收钱吧【27届校招】大模型与机器学习算法工程师(J11449)

1、负责面向海外市场的自动驾驶生成式世界模型（Generative World Model）的研究、开发与量产落地，重点方向包括但不限于： （1）驾驶场景生成与未来预测：基于扩散模型 / 自回归等生成式架构，实现动作可控（action-conditioned）、多视角一致、长时序稳定的驾驶环境视频生成与演化预测； （2）生成式数据引擎：面向海外长尾场景进行数据合成、增广与跨地域风格迁移，系统性缓解海外数据稀缺问题。 2、负责VLA（Vision-Language-Action）大模型在海外场景的研究、开发与量产落地，重点方向包括但不限于： （1）海外场景理解与推理能力：构建面向海外交通体系的多模态理解与推理能力，覆盖本地化交通标志/标线/信号灯体系与交规语义理解，提升 VLA 模型在海外场景下的决策能力； （2）分析各国道路结构、交通规则与驾驶习惯差异，设计跨地域泛化的训练策略与评测体系，支撑海外量产项目交付； 3、构建海外数据闭环：与数据、仿真、量产工程团队协作，完成数据集构建与分析、清洗与标注、模型评估与持续迭代，并满足海外数据合规要求。

岗位简介：聚焦云端大模型算法研发，包括 VLM / VLA 大模型、世界动作模型(WAM)等，重点解决自动驾驶场景数据闭环体系及数据治理能力建设；利用语义标签、长时序描述及推理、向量化或隐空间表征等建立数据图谱，实现大规模数据分层治理。 1、云端基座大模型研发：负责数据驱动的云端基座大模型算法研发，基于海量量产数据，研发无监督、自监督算法，持续提升大模型的场景语义理解与物理空间感知能力，进而提高云端大模型的时空感知、推理、预测、分析能力； 2、空间推理产线建设：负责基于多传感器数据融合、时空信息融合的自动标注算法，构建具有精度高、场景泛化性强的时空数据生产产线，持续推动物理AI云端大模型研发； 3、Scaling Law 驱动的算法研发：负责车云平台一体化大模型算法研发与优化，研发和设计基于数据驱动的感知迭代链路；构建高效的自训练感知流水线，提升数据闭环效率； 4、强化学习研发：基于 PPO、DPO、GRPO、SAC 等主流强化学习算法，搭建长尾场景的后训练方案，完成奖励设计、分布式训练、模型调优，提升模型在复杂场景、恶劣天气、小众交通场景下的泛化能力与稳定性。

【团队介绍】 以通用大模型技术为核心引擎，驱动从感知到决策的端到端一段式智能架构。我们深耕多模态融合、世界模型与闭环强化学习等前沿技术，将算法创新持续落地于不断迭代的小鹏智能驾驶汽车、Robotaxi、新型出行工具及具身机器人等核心产品，推动智驾与具身智能从实验室走向真实世界。 【校招生在这里将获得】： - 前沿技术实战：直接参与VLA大模型、多模态感知、世界模型等前沿课题；全面打通“数据 - 模型 - 训练 - 部署 - 实测”的全链路闭环； - 完善的培养体系：一对一导师制 + 系统化培训课程 + 定期技术分享，帮助你快速完成从校园到工业界的转身 - 充分的成长空间：清晰的成长路径，优秀者可快速承担重要模块，我们愿意为新人提供核心项目机会和资源支持 1. 参与通用智能大模型的算法研发与优化，包括但不限于多模态融合、一段式端到端模型、世界模型、闭环强化学习、具身智能等前沿方向，推动创新算法在实际场景中的落地 2. 参与设计并实现高效的模型训练与推理pipeline，涵盖分布式训练、模型压缩、量化部署等关键技术；解决物理AI领域的各类应用问题 3. 负责大规模多模态数据的挖掘、分析、合成，覆盖智驾与机器人场景数据，构建高质量训练数据集，提升模型泛化能力与鲁棒性。

1. 参与自动驾驶大数据湖仓一体架构的开发与维护，支撑海量多模态数据（日志、点云、视频等）的存储与查询系统建设 2. 协助构建数据湖元数据管理、数据治理及血缘体系，在导师指导下保障数据资产的质量、安全与可追溯性 3. 参与存储引擎性能分析与优化实践，针对自动驾驶业务场景探索读写加速与成本优化方案 4. 开发和维护数据入湖ETL Pipeline及同步工具，提升数据流转效率，保障链路稳定性 5. 与算法团队及平台团队协作，参与标准化数据服务接口开发，支持算法迭代与数据分析需求