百度感知数据产线工程师（J85802）

-负责数据自动标注产线工程和生产交付，包括不局限于： -产线标注算法集成和发版 -工程框架研发和维护 -标注算法性能热点测试、准入和优化（内存，时延等） -生产任务全流程维护, 处理产线异常

1、参与自动驾驶系统中多模态大模型算法的研究、开发与优化，包括但不限于世界模型、端到端感知大模型、VLA大模型、多模态视觉语言大模型、离线数据算法大模型等方面的应用； 2、负责设计实现不同领域应用的多模态大模型架构，对模型进行迭代优化，以车端模型/数据产线模型量产为主要目标； 3、设计和实现多模态大模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性； 4、针对多模态大模型模型进行车端/云端部署，能够让模型在大规模量产场景下高效运行，产生业务价值； 5、针对多模态大模型进行训练效率优化，实现训练提效。

无

1、数据闭环体系搭建与落地：负责自动驾驶全链路数据闭环体系设计与搭建，日均处理亿级传感器原始数据及标注数据，保障数据从采集、处理到模型训练的端到端流转，支撑感知、决策规划等端到端模型的高效训练； 2、数据闭环工具链研发： 2.1 云端数据处理 pipeline 开发： •针对标注数据、场景数据，设计并落地数据清洗（去噪、去重、异常过滤）、解析、切片、抽帧、送标（对接标注平台）的全流程自动化 pipeline； •优化 pipeline 吞吐量与延迟，目标支撑日均 10 万 + 场景数据处理，服务算法团队数据生产需求； •推动工具链部署落地，解决线上运行故障（如数据阻塞、接口兼容问题），保障工具链可用性。 2.2 高价值场景数据挖掘体系建设: •搭建 “规则 + 大模型” 双驱动的数据挖掘产线：针对规则挖掘，设计接入多种传感器、定位、感知、底盘、车身信号并优化规则策略；针对大模型挖掘任务，完成数据方案制定、模型微调、loss优化、模型评测等； •与算法团队协作迭代挖掘策略，提升 corner case 召回率（目标≥85%）。