百度视觉-多模态生成算法工程师-2026AIDU(J85298)
任职要求
-有推进人工智能的理想和使命感 ； -计算机科学、电子工程、数学等相关专业硕士及以上学历，面向26届毕业生； -熟悉 Python 编程语言，熟悉PyTorch/Paddle/TensorFlow/MXNet等框架之一； -熟悉常见的计算机视觉生成算法，对图像生成、图像编辑、风格…
工作职责
-参与图像生成、图像编辑、风格迁移、视频生成、3D生成、数字人等视觉生成算法的研究与开发； -阅读相关领域论文，复现和改进现有算法； -参与算法模型的训练、优化和部署； -与团队成员紧密合作，共同推进项目进展。
多模态传感器融合感知端到端模型研发： -基于摄像头、激光雷达、3D/4D毫米波雷达等多模态传感器设计与开发融合感知模型与算法（包含但不限于：障碍物检测、OCC（Occupancy Network）、场景语义分割、跟踪等任务），提升在复杂场景、极端场景下的感知能力； -构建覆盖Corner Case的自动化数据采集与标注系统，开发数据质量评估体系，建立数据-模型迭代闭环机制； -通过自监督、弱监督学习提升模型泛化能力，加速数据飞轮，探索VLM、VLA等技术在数据飞轮中的实践与应用； -轻图/无图模型研发； -基于多模态传感器设计与实现轻图、无图模型，实现L4下的轻图实时生成，包含拓补信息、各种道路属性等的实时生成，为L4大规模应用提供基础道路感知能力； -构建轻图对应的数据闭环与数据飞轮，如挖掘算法、难例模拟生成方式、轻图适用的仿真系统等设计与实现。 世界模型研发： -设计基于多模态传感器的世界模型，为复杂问题解决效果验证、端到端模型验证提供强有力的仿真验证能力与感知能力； -构建为实现世界模型需要的数据闭环与数据飞轮，如数据采集、生成、自动化标注等相关强算法问题解决。
-负责大模型应用层算法研发与调优，负责对话系统、内容生成、意图理解等核心模块的算法优化，基于LLM深入理解用户所需，提升模型在复杂场景下的推理能力与用户体验； -构建用户-内容动态匹配算法，开发结合大模型能力的个性化推荐系统；研发文本/语音/视觉多模态融合算法，探索新型人机交互范式在移动端的最佳实践，带动产品规模高速增长。
-负责大模型应用层算法研发与调优，负责对话系统、内容生成、意图理解等核心模块的算法优化，基于LLM深入理解用户所需，提升模型在复杂场景下的推理能力与用户体验； -构建用户-内容动态匹配算法，开发结合大模型能力的个性化推荐系统；研发文本/语音/视觉多模态融合算法，探索新型人机交互范式在移动端的最佳实践，带动产品规模高速增长。