地平线视觉深度学习算法实习生（云端自动标注与大模型方向）

任职要求

1、计算机视觉、人工智能、机器人、电子信息、机器学习等相关专业的硕士/博士在读；
2、熟悉主流视觉/多模态深度学习算法，具备以下至少一个方向的经验者优先：
2.1、目标检测、语义/实例分割、静态要素识别
2.2、多模态理解（如视觉-语言模型、地图上下文建模）
2.3、大模型在感知或地图场景下的微调与下游应用；
3、熟练掌握至少一种深度学习框架（如 PyTorch、TensorFlow），具备良好的调试和实验能力；
4、扎实的数据结构和算法基础，良好的编程习惯，熟悉 Python/C++；
5、有顶会论文（CVPR/ICCV/ECCV/NeurIPS/ICML）或实际工程项目经历者优先；
6、对自动标注、感知Agent方向有浓厚兴趣，具有主动学习和探索精神；
7、每周实习不少于 3 天，实习周期不短于 3 个月（长期实习优先）。
【加分项】
1、有静态要素自动标注、地图建图或自动驾驶相关项目经验；
2、熟悉大模型（如GPT-4V、SAM、LLaVA、GroundingDINO等）在自动标注中的应用；
3、有 open-world / long-tail / weak-supervision / corner-case 研究经验；
4、熟悉基于数据分布的异常检测、筛选机制，能支持自动标注质量控制与迭代。

工作职责

1、参与自动驾驶静态要素（如红绿灯、箭头、地面标识、车道线、路沿等）的云端自动标注系统研发，助力真值系统构建与感知系统的高效数据生产；
2、探索大模型（如多模态/视觉语言模型）在地图Agent中的应用，推动静态要素自动标注流程的泛化能力、理解能力与自动决策水平；
3、研究corner case的发现与筛选方法，结合分布建模、异常检测、大模型语义理解等手段，提升自动标注系统的质量与鲁棒性；
4、协助构建从数据采集、挖掘、标注、训练、部署到badcase回归的高效闭环体系，实现自动标注系统的迭代优化；
5、参与核心算法或模型的原创设计与工程落地，包括模型压缩、评测体系构建、性能调优等任务。