百度数据标注算法工程师（J71372）
任职要求
-3-5年计算机视觉、计算图形学、三维重建等领域工作或研究经验，有自动驾驶相关经验优先 -计算机、电子、自动化、应用数学等相关专业硕士或以上学历，博士优先 -具备扎实的Python/C++开发能力，有良好的编程习惯 -对激光雷达/图像/融合的目标检测、目标跟踪、三维重建、视频分析等技术中的至少1个有深入的科研、研发经验 -加分项：具有自动驾驶数据自动标注经验优先 -加分项：具有自动驾驶感知算法研发经验优先，熟悉BEV、Transformer等技术优先 -加分项：计算机视觉或机器人相关领域顶级会议或期刊CVPR、ICCV、ICRA、IROS、PAMI等发表论文者优先
工作职责
-负责设计和研发全自动标注算法，提升感知车端/云端模型所需数据的标注自动化比例 -负责设计和研发半自动交互标注算法，提升感知车端/云端模型所需数据人工标注的效率 -负责设计和研发标注质检算法，提升感知标注数据的质量 -负责优化标注数据生产框架，提升数据生产在大规模计算资源上的运行效率 -标注任务包括但不限于：点云检测/识别/分割、图像检测/识别/分割等
大模型数据认知方向，负责设计和开发先进的算法，解决大模型数据生产中的关键问题，包括但不限于数据知识体系生成、语料自动分类、智能数据标注、权威评测集建设以及基于评测的语料质量评估与合成。你的工作将直接影响蚂蚁大模型的训练效果和性能表现。工作将涉及以下1个或多个方向 ● 数据知识体系生成： 研究基于LLM的自动知识图谱生成技术，设计并实现自动化算法，构建高效、可扩展的大模型数据知识体系。 ● 语料自动分类： 基于数据知识体系，研究和开发语料分类算法，指导大模型数据的拓展方向； ● 权威评测集建设： 研究业界现有评测集的缺陷，构建标准化、多样化的权威评测集，用于评估大模型的性能； 与跨职能团队合作，确保评测集覆盖全面且具有代表性。 ● 语料质量评估与合成： 建立大模型训练的数据驱动体系，开发语料质量评估算法，识别低质量或噪声数据。 研究数据驱动的语料合成技术，基于模型的评测效果，针对性合成能够改进模型效果的训练语料，提升模型迭代效率 ● 智能标注链路研发: 基于大模型数据的标注需求，研发辅助打标算法； 设计构建 AI辅助的标注质量检验与标注提效的算法链路，提升人工标注的质检效率与标注质量 ● 技术创新与优化： 持续跟踪学术界和工业界的最新研究成果，探索前沿技术在大模型数据中的应用。 针对实际业务需求，提出创新性的解决方案并快速落地。
大模型数据认知方向，负责设计和开发先进的算法，解决大模型数据生产中的关键问题，包括但不限于数据知识体系生成、语料自动分类、智能数据标注、权威评测集建设以及基于评测的语料质量评估与合成。你的工作将直接影响蚂蚁大模型的训练效果和性能表现。工作将涉及以下1个或多个方向 1、数据知识体系生成： 研究基于LLM的自动知识图谱生成技术，设计并实现自动化算法，构建高效、可扩展的大模型数据知识体系。 2、语料自动分类： 基于数据知识体系，研究和开发语料分类算法，指导大模型数据的拓展方向； 3、权威评测集建设： 研究业界现有评测集的缺陷，构建标准化、多样化的权威评测集，用于评估大模型的性能； 与跨职能团队合作，确保评测集覆盖全面且具有代表性。 4、语料质量评估与合成： 建立大模型训练的数据驱动体系，开发语料质量评估算法，识别低质量或噪声数据。 研究数据驱动的语料合成技术，基于模型的评测效果，针对性合成能够改进模型效果的训练语料，提升模型迭代效率 5、智能标注链路研发: 基于大模型数据的标注需求，研发辅助打标算法； 设计构建 AI辅助的标注质量检验与标注提效的算法链路，提升人工标注的质检效率与标注质量 6、技术创新与优化： 持续跟踪学术界和工业界的最新研究成果，探索前沿技术在大模型数据中的应用。 针对实际业务需求，提出创新性的解决方案并快速落地。
公司介绍： 文远知行（WeRide）成立于 2017 年，是全球领先的 L4 级自动驾驶科技公司，致力于“以无人驾驶改变人类出行”，已在全球超过 25 个城市开展自动驾驶研发、测试及运营，累积自动驾驶里程超1600万公里，应用场景覆盖智慧出行、智慧货运和智慧环卫，形成自动驾驶出租车、自动驾驶小巴、自动驾驶货运车、自动驾驶环卫车、高阶智能驾驶等五大产品矩阵，提供网约车、随需公交、同城货运、智能环卫、高阶智能驾驶解决方案等多种服务。 凭借“1个平台+3大场景+5大产品”的多元商业化战略，文远知行商业营收居同类自动驾驶企业之首，已与多家全球顶级主机厂和一级供应商达成战略合作伙伴关系，包括雷诺日产三菱联盟、宇通集团、博世、广汽集团等，不断为人类出行提供更多新选择。 Data团队介绍： 在无人车等行业中，数据的重要性不言而喻，尤其是当模型越来越大，甚至算法建模流程逐渐从data-driven向data-centric转变的趋势下，对数据的处理越来越被重视。 数据组的是打通自动驾驶数据闭环链路，包括数据采集、数据索引、数据挖掘、数据标注、模型训练等多个方面，打造一个完整的闭环，加快自动驾驶算法的迭代速度。同时，数据组也开发了多个数据分析和处理的工具链，全方位打造企业级的大数据平台。 自动化标注组介绍： 在数据处理中，数据标注是重要一环，我们希望在传统人工标注中加入更多智能，更多地让模型来自动、半自动地完成数据标注，以解决人工标注中的成本、效率和数据质量等问题，有力地“赋能”业务。 与具体业务中的模型开发不同，标注阶段有更加充足的计算资源、有更加丰富的数据，可以选择更大更新的模型（包括大模型），同时还有人类在环(Human-in-the-loop) -- 这些独有的特点非常有意思，更重要地，它们也是自动化标注这件事可以成立的重要原因。 工作职责： 我们正在寻找一位自动化标注工程师，负责设计和开发自动驾驶数据自动化和半自动化标注算法，并与标注工具开发团队协作，研发标注工具优化方案，核心职责包括： 设计和开发自动驾驶数据自动化和半自动化标注算法，提高标注效率和准确性，包括但不限于：点云检测/识别/分割、图像检测/识别/分割等； 与标注工具开发团队协作，研发标注工具优化方案，提高标注工具的易用性和功能性； 研究和探索新的自动化标注技术和算法，不断提升数据标注的效率和准确性。
关于我们人工智能模型的表现很大程度上依赖于高质量的训练数据。文远知行的数据团队拥有专业的数据标注团队和系统，我们的算法团队致力于通过先进的模型和算法通过自动和半自动标注提高标注效率和质量。 构建自动驾驶4d labeling系统和算法，开发多传感器或纯视觉的动静态对象自动标注算法。