滴滴交通大数据-视觉计算算法实习生
任职要求
-对AI产品有浓烈兴趣和探索欲，熟悉大模型LLM原理与使用规则，有初步的Agent开发和Prompt Engineering经验； -有出色的编程能力，熟练掌握Python编程语言加分。有相关AI…
工作职责
-负责数据生产流程的AIGC生产探索，调研及梳理内容生产逻辑，转化沉淀成Workflow和Skill； -负责AI工作流引擎及核心模块的设计、开发与优化，保障工作流的稳定性、性能与可扩展性； -负责参与调研和设计模型自动化训练及迭代的工作流，搭建有关于训练参数及指标评估的pipeline。
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)
1、协助优化高精地图量产流程，提升产线精度、自动化率与效能 2、协助研发道路拓扑、车道线、交通设施等核心地图要素的提取与更新算法，提升要素生成精度与效率
1、探索前沿计算机视觉、深度学习等图像理解相关工作，方向包括但不限于：图像分类、检测、分割、OCR、VLM/MLLM 等； 2、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究； 3、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持算法的性能优化与落地。