百度深度学习框架研发工程师(自动驾驶方向)（J81740）
任职要求
-熟悉C/C++，良好的编程习惯，熟悉计算机基础算法和数据结构，熟悉 Linux 开发环境 -有深度学习框架(Pytorch, Tensorflow, PaddlePaddle等)开…
工作职责
-负责基于昆仑芯AI芯片的自动驾驶高性能计算库的开发及算法优化 -负责基于昆仑芯AI芯片的主流自动驾驶模型训练部署和性能优化工作 -负责Pytorch等深度学习框架的定制和性能优化工作 -负责重点客户的自动驾驶训练业务支持工作 -探索基于昆仑芯AI芯片的自动驾驶端到端大模型技术路径
-负责端到端仿真相关的3D场景重建算法与应用，提升动静态场景渲染效率和真实度 -负责仿真智能体算法研发，结合Diffusion Model等技术，实现智能体单点控制及交通流生成，提升真实度 -建设和维护闭环仿真评价体系建设，量化评测标准，反馈模型训练并强化数据驱动认知 -结合具体业务场景（回放型仿真，长尾场景泛化，生成式虚拟路测等），完成算法/工程研发、实现与并推进落地 -提升闭环仿真各系统模块运行效率，减少云端部署和运行成本
1. 负责端到端的预测、决策和规划学习模型研发，解决L4交通场景下的交互决策、轨迹规划问题； 2. 负责数据处理、标注和管理，研发基于数据的模型闭环迭代系统，提升整体效率和性能； 3. 跟踪最新的自动驾驶和人工智能技术动态，进行技术调研和快速验证。
1.算法研发与创新： -负责自动驾驶领域基础模型的研发，包括但不限于多模态大模型训练、视觉底座模型构建、多任务学习框架设计、模型蒸馏与轻量化技术等； -探索自监督/半监督/弱监督学习方法，提升模型在复杂场景下的泛化能力与鲁棒性； -参与全球领先的自动驾驶技术研发，推动技术成果转化为高价值专利，并发表高水平学术论文。 2.系统优化与落地： -构建高效的大规模分布式训练框架，优化模型训练效率与资源利用率； -推动算法在车载计算平台或云端系统的工程化部署，解决实际业务场景中的性能瓶颈。 3.数据与模型迭代： -设计并实现大规模数据处理流水线，挖掘高价值数据驱动模型性能提升； -构建场景化评测基准，持续驱动模型在复杂城市路况中的性能迭代。 4.跨团队协作： -与感知、规划、仿真等团队深度合作，推动基础模型在自动驾驶全链路中的技术落地。
-负责高性能推理框架研发与维护工作 -参与自动驾驶核心算法模块工程优化（代码效率、调度优化、资源管理） -负责模型推理、量化等GPU异构计算加速的技术研发和探索 -满足自动驾驶的高稳定性与实时计算需求