地平线自动驾驶算法实习生（大模型与量化压缩方向）

任职要求

任职要求
教育背景：计算机、自动化、机器人或数学相关专业在读硕士/博士。
编程功底：精通 Python，熟悉 C++，具有扎实的 PyTorch/TensorFlow 开发经验。
算法基础：
熟悉常见的视觉骨干网络及 Transformer 架构。
深入理解量化原理（如剪枝、蒸馏、混合精度训练）。
了解 VLM/VLA（如 CLIP, LLaVA, RT-2 等）的基本原理。
领域经验（满足其一即可）：
有自动驾驶感知（检测、分割、多视角融合）项目经验。
有大模型高效训练/微调（LoRA, D…

工作职责

职位概览
我们正在寻找对端到端自动驾驶、多模态大模型（VLM/VLA）以及模型高效部署充满热情的同学。你将参与开发下一代智能驾驶算法，重点解决大参数量模型在车规级芯片上的实时运行难题，通过量化、剪枝及训练策略优化，让 AI 更好地理解物理世界并执行驾驶决策。
核心职责
大模型研发与优化：参与视觉语言模型（VLM）或视觉-语言-动作模型（VLA）在自动驾驶场景下的预训练、微调（SFT）及指令遵循能力优化。
量化算法实施：针对 Transformer/Diffusion 等架构，研究并落地先进的量化算法（如 PTQ、QAT、FP8/INT8/INT4 量化），确保模型在有限算力下保持精度。
算法端到端部署：配合工程团队，将复杂的感知或决策模型转化为高效的推理引擎，解决量化掉点、算子融合等实际问题。
前沿技术跟踪：调研并复现相关的顶会论文（CVPR, ICCV, NeurIPS 等），探索大模型在自动驾驶长尾场景（Corner Cases）中的应用。