地平线视觉深度学习算法实习生（VLA静态要素理解方向）

1.负责理想汽车VLA模型方法研发和工程落地，包括但不限于视觉多模态理解、高级指令拆解及多模态policy预测; 2.负责设计高性能上限，具备量产能力的VLA模型算法，对包括但不限于diffusion、VLM等模型算法有实操经验； 3.开发高效离线训练框架，以及可实时运行的在线推理框架，优化模型推理性能，研发模型部署工具链和优化工具； 4.建立云端数据感知/决策联合标注Pipeline、数据挖掘机制以及难样本分析等工具链，通过数据闭环持续选代模型能力。

1. 研究和开发先进的机器学习算法， 应用于智能辅助驾驶的各个领域，包括但不限于： - 端到端大模型 (VLA、世界模型等) - 环境感知 (目标检测、语义分割、多传感器融合等) - 决策规划 (路径规划、行为预测、运动控制等) 2. 探索和实现前沿的人工智能技术， 如深度学习、强化学习、计算机视觉、自然语言处理等，以提升智能辅助驾驶系统的性能、安全性和可靠性。 3. 设计和开发大规模数据集， 用于训练和评估智能辅助驾驶算法。

1. 针对辅助驾驶的各个场景，协助进行VLM/VLA模型的prompt优化 2. 对于VLM/VLA表现不佳的场景，能够参与到实际项目中，配合并协助做数据收集和处理工作 3. 参与VLM/VLA模型优化方面的工作 4. 对前沿技术感兴趣，能够阅读相关领域文献，保持对前沿技术的敏感性

自动驾驶场景下多模态大模型（VLA：Vision-Language-Action）算法的预研, 包含但不限于： 1. 研究视觉、语言与行为动作之间的联合建模机制，探索多模态预训练与表征学习方法，实现跨模态对齐与融合； 2. 多模态数据集的构建与管理，包括视觉、语言、行为等多模态标签设计与质量控制； 3. 探索模型蒸馏、小样本泛化等技术，推动模型在自动驾驶复杂场景中的部署效率； 4. 跟进并复现前沿研究（如 EMMA、RT-2、OpenVLA等），协助撰写技术报告、论文或专利材料。 5. 深入调研并实践 RLHF / DPO 等对齐技术，提升多模态模型的响应能力与行为决策能力； 6. 撰写高质量的技术文档，参与论文发表或专利申请。