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。
我们正在寻找对世界模型与端到端自动驾驶技术充满热情的算法实习生，加入我们的前沿技术研发团队。您将专注于端到端自动驾驶算法的研发，推动其在智能驾驶中的落地应用，为用户提供更安全、更高效的出行体验。 主要职责 1、世界模型与建图研发：开发基于多传感器融合的世界模型，实现高精度地图构建与动态场景理解。 2研究基于NeRF、3DGS等技术的三维场景表示方法，提升地图生成的效率与精度。探索语义地图构建技术，结合深度学习实现道路、车道线、交通标志等元素的自动标注与更新。 3、端到端自动驾驶算法研发：研究端到端自动驾驶算法，结合强化学习、模仿学习等技术，实现从感知到决策的全流程优化。开发基于Transformer架构的多模态融合模型，提升自动驾驶系统的鲁棒性。 4、优化端到端模型的推理速度与计算效率，支持实时决策与控制。模型优化与性能提升：针对自动驾驶场景，优化模型的推理速度和资源占用，确保高性能与低延迟。 5、探索适合大模型的压缩与加速技术（如量化、剪枝、知识蒸馏），适配车载硬件平台。 6、前沿技术探索：持续跟踪世界模型、端到端自动驾驶、具身智能等领域的最新技术趋势。提出创新性解决方案，结合业务需求推动技术突破。
1. 通过分析模型与部署硬件特点，使用软硬结合的优化方案提升模型的速度与精度表现。 2. 针对AIGC模型（Stable Diffusion / LLM），使用SOTA算法提升模型压缩性能，助力大模型在各个产品线中的应用。 3. 负责自动驾驶、手机等多种场景及对应各异的芯片上，提升深度学习模型部署量化表现。 4. 负责开发和维护模型量化部署工具链，对齐硬件单元的量化部署细节。 5. 调研、复现业界最新的算法，集成工具，并在实际业务中落地；算法设计，论文发表。
工作职责 1.负责模型压缩算法的研发和实现，包括但不限于模型量化、剪枝、蒸馏等 2.负责业务模型在多种场景及对应各异的芯片上的压缩精度提升和保持，包括AIGC(LLM/Stable Diffusion)模型，自动驾驶模型、手机端侧模型等 3.负责开发和维护LLM量化部署工具链，调研、复现业界最新的算法，集成工具，并在实际业务中落地,助力大模型在各个产品线中的应用 4.通过分析模型与部署硬件特点，使用软硬结合的优化方案提升模型的速度与精度表现，提升模型压缩能力上限
