百度数据合成方向（实习）（J73333）
任职要求
-计算机、电子、自动化、应用数学等相关专业硕士及以上学历，每周可保持至少4天在岗 -具有计算机视觉、计算机图形学、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 -熟悉三维重建及渲染相关算法，如SfM，MVS，NeRF，3D Gaussian Splatting等 -具备扎实的Python/C++开发能力，有良好的编程习惯
工作职责
-负责基于路采的图像及点云数据的室外/城市等场景的高质量的三维重建 -负责NeRF/3DGS及相关AIGC算法在城市自动驾驶场景的研究和应用落地，实现自动驾驶闭环仿真 -利用上述算法对自动驾驶数据进行场景泛化及数据合成，包括但不限于：新视角数据生成、障碍物轨迹改变、插入虚拟物体等 -负责算法迭代和优化，提升算法的渲染质量和性能
1、跟进业界 AIGC（SD、GAN、LLM等）在图像生成、编辑、理解等方向的前沿进展，探索图像、文字、视频等多模态生成与编辑技术； 2、负责手机相册场景下的图文生成、图像画质增强、图像超分、风格迁移、可控编辑、长尾数据合成、幻觉抑制等 AIGC 相关算法的设计与优化； 3、参与 Camera 拍照、视频等图像相关算法的研发与异构部署工作，包括但不限于 3A、画质、人像算法、多模态理解算法等； 4、结合业务场景，提出具有通用性或定制化的算法解决方案，推动算法在实际产品中的落地； 5、参与大规模模型的训练与部署，持续优化模型性能与推理效率，提升整体用户体验； 6、持续进行算法创新，解决关键问题，提升团队整体技术能力。
1. 数据标注执行：人工对大模型训练所需的推理数据进行判断、排序或改写；通过prompt engineering合成大批量高质数据，确保数据的准确性和一致性； 2. 标注方案制定：分析模型效果、调研论文或收集行业数据，沉淀相关结果文档，支持数据方案迭代/优化； 3. 标注项目管理：协助负责人管理内/外部标注人力，完成包括但不限于培训、质检、答疑等工作； 4. 团队协作：与技术团队紧密合作，及时反馈问题，根据模型效果及时调整标注策略。 5. 模型实验（代码方向）：参与数据自动合成实验，负责模型微调并落地各种训练实验
我们期望打造世界一流的预训练 LLM 基座，开发涵盖参数量从几百M到T级的基座模型，并将作为 Qwen / QwenVL / Qwen-Omni / Qwen-Coder 等系列模型的基座。我们追求将现有的预训练技术做到极致，并积极探索下一代的预训练技术。 工作职责： 1. 预训练数据：大规模预训练数据合成技术探索、STEM & reasoning 优化、长尾知识优化、精品数据挖掘过滤、自然数据 scaling、长文本优化、面向 test-time scaling 的数据优化。 2. 预训练策略：新型预训练损失函数探索、遗忘对抗与持续学习、optimizer 优化、lr scheduler 优化、课程学习、scaling law 预测、超参优化。 3. 模型结构：新型模型结构探索、模型可解释性、MoE 优化、参数扩展与裁剪蒸馏、线性注意力、动态稀疏注意力、draft model 优化、动态计算优化、KV cache压缩、长序列优化、decoding 加速等。
