百度深度学习框架研发工程师(自动驾驶方向)（J81740）

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。

深入理解自动驾驶系统从感知预测到决策规划的模块化构建，以海量数据为基石、机器学习算法为工具，设计开发自动驾驶前沿算法，推动解决自动驾驶规模化部署的痛难点。研究方向为智能预测与决策规划（research相关），包括但不限于轨迹预测、基于学习的决策规划、端到端自动驾驶、模仿学习、强化学习、离线强化学习、基于大模型的决策分析等。

-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