地平线【2026届校招】高阶模型算法工程师（主动安全方向）

智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。

1. 深度参与自动驾驶感知 / 规控算法评测全流程，与研发团队紧密协作，负责智能驾驶产品算法测评方案设计、测试计划制定及测试用例开发，覆盖行车、泊车等高阶功能场景； 2. 负责算法仿真验证，基于SIL、HIL等仿真方案构建多维度测试数据（含实车路采与虚拟场景生成），并参与数据闭环平台的测试开发与流程优化，提升算法迭代效率； 3. 负责智能驾驶算法测评自动化框架设计，独立完成测试脚本编写（Python/C++ 优先），开发数据挖掘、指标可视化等测评工具，持续优化测试流程与报告输出能力，助力团队效率提升； 4. 负责执行测试用例并追踪缺陷，分析测试报告中的算法性能问题，输出改进建议；参与版本算法评测结论输出，推动感知 / 规控等模块性能优化。

1、负责进行高阶智能驾驶整车级系统测试，体验评估测试，建立自动驾驶系统的测试流程规范体系 2、依据相关的标准和设计目标，对系统全流程进行功能/性能/可靠性测试 3、负责相关联传感器及执行器的功能联调及性能验收 4、对所负责功能模块进行专项系统测试，提出系统问题及其协同软件研发团队处理问题和提升性能体验 5、负责国内主流评价体系的专项验证，辅助系统的迭代提升 6、根据项目需求，拟定实车全集测试方案，按需安排和管理系统级规模化路试 7、根据产品和项目特点，设计合理的自动化解决方案和开发相应的测试工具，提高测试效率维护测试车辆和测试环境，包括车辆及相关设备的维护和维修

我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。