滴滴26届正式批-多模态端到端算法工程师-自动驾驶
任职要求
1、2026届毕业生，硕士及以上学历，研究方向为人工智能相关，包括但不限于计算机视觉、深度学习和自动驾驶等方向 2、编程基础扎实，熟悉基本算法和数据结构，熟练掌握Python和深度学习框架PyTorch 3、善于思考，逻辑清晰，有优秀的问题分析和解决能力 4、有强烈的自我提升意愿，持续的自我驱动能力，关注人工智能和计算机视觉业界前沿技术和国际会议研究动态，不断提升…
工作职责
端到端自动驾驶大模型是当前工业界与学术界的研究热点，它通过数据驱动与科学建模，从原始传感器数据出发，直接预测自车未来行为，是AI与自动驾驶融合的综合应用。1、以海量真实数据为基础，依托计算机视觉、深度学习与大模型技术，构建面向真实世界的一体化决策规划模型 2、在端到端自动驾驶模型的设计与优化中，研究方向包括但不限于：端到端自动驾驶大模型优化、多模态融合与感知场景理解、大语言模型(VLM)驱动的复杂场景理解、基于扩散模型的预测与规划行为生成、三维空间表征与自监督预训练、 强化学习与人类行为偏好对齐等。
自动驾驶中，感知团队的职责是根据传感器和高精地图的信息，对周围环境进行识别和理解，并对自车进行定位。在这里，你将研究和设计相关领域前沿算法，包括目标检测、分割、跟踪、场景理解、定位、模型压缩加速、基于大模型的数据挖掘与合成、半监督自监督、传感器标定等算法，直接赋能L4 无人车的大规模落地，创造社会价值和商业价值。一些项目包括： 1、感知大模型: 基于俯视图的多模态（激光雷达/相机）大模型，可支持多种任务，比如常见目标的检测、分割等 2、占据空间: 一种通用的目标检测方法，将周围环境抽象为占据、非占据的空间，解决开放世界层出不穷的异形物体识别问题，兜底感知召回能力，保证自车安全 3、端到端跟踪: 用基于深度学习的方法，替代经典的匈牙利匹配+卡尔曼滤波算法，通过数据驱动提升性能 4、场景理解: 通过编码周围环境中智能体和智能体、地图和地图、以及智能体和地图的交互关系，实现对相应场景的理解 (比如施工区连接、智能体是否是长停的车)，直接影响自车行为（避让、跟随等） 5、基于大模型的数据挖掘/合成：调研和应用各种大模型，挖掘或合成高价值场景，提升模型相应场景表现 6、半监督自监督：调研和开发各种高效算法，降低模型对标注数据的依赖。
1. 负责滴滴代驾乘客端App、小程序，司机端App，以及运营和营销平台等系统的研发工作； 2. 与产品、设计沟通，并能够针对不同业务需求给出前端技术解决方案； 3. 深度参与App和小程序的性能优化、稳定性保障、架构升级，以及组件化建设等相关工作，提升软件体验和研发效率；
1、负责云音乐AI基建平台相关业务相关服务端开发； 2、负责业务AI相关落地； 3、根据产品需求完成服务器端设计、开发以及文档编写等工作； 4、优化系统性能， 改善系统的稳定性及易用性，提升用户体验。
1.与编剧团队合作，共同细化和丰富游戏故事和世界观。 2.基于核心叙事设定和剧本，与关卡、玩法、美术部门密切沟通和合作，设计并协助实现关卡内的叙事内容。 3.规划和跟进叙事内容所需资产的制作和表现，实现高质量的in-game叙事体验。 4.与程序、技术策划合作，协助设计和完善叙事落地的相关工具。