
Momenta资深感知算法工程师(模型训练优化)
任职要求
- 计算机/数学/物理/电子工程/自动控制专业硕士及以上学历,AI相关研究方向; - 精通C++,熟悉典型的计算机体系结构,有分布式性能优化经验,有出色的编程能力。 - 熟悉至少一种深度学习框架;具有2年以…
工作职责
- 研发基于深度学习的自动驾驶感知和预测的前沿技术; - 根据应用场景和客户需求定义,提供模型压缩训练优化及推理优化相关方案(包含算法及工程); - 跟踪、分析、评估各主流深度学习框架;

职位描述 - 研发基于深度学习的自动驾驶感知和预测的前沿技术; - 根据应用场景和客户需求定义,提供模型压缩训练优化及推理优化相关方案(包含算法及工程); - 跟踪、分析、评估各主流深度学习框架; 职位要求 - 计算机/数学/物理/电子工程/自动控制专业硕士及以上学历,AI相关研究方向; - 精通C++,熟悉典型的计算机体系结构,有分布式性能优化经验,有出色的编程能力。 - 熟悉至少一种深度学习框架;具有2年以上深度学习框架开发经验。了解分布式训练,模型并行相关技术。 - 熟悉CUDA/TensorRT或其它AI加速库开发经验; - 熟练掌握Linux 应用环境、 有shell脚本编程经验;熟悉Python语言。

WeRide.ai is looking for an Engineering Tech Lead to join our Simulation team and help build the next generation of autonomous driving Simulation Engine, Algorithm and Modeling. What you will do: 1.Oversee WeRide’s Simulation direction, lead and grow algorithm team in this scope 2.Define roadmaps, drive technical projects and provide leadership in an innovative and fast-paced environment. 3.Design, implement and optimize existing and next-generation of Simulation Algorithm and Modeling, including agent (vehicle/pedestrian/cyclist/…) behavior modeling, evaluation modeling and scenario-based data mining. 4.Build tools and automation pipelines to process large-scale real-world traffic data for model training. 5.Work across teams to facilitate safe and fast iteration of the autonomous driving software components: perception, motion planning, control, localization, and other.
自动驾驶视觉算法高级/资深工程师(占据网络) 1、车载视觉感知算法以及端到端算法方向,用于车端高阶辅助驾驶功能。 2、侧重视觉BEVNet以及Lidar感知,包含但不限于检测、分割、深度估计等任务。 3、负责障碍物感知模型车端交付。 4、负责障碍物感知用户车数据闭环,大模型数据挖掘,视觉3D重建Autolabel。 5、负责自驾感知Foundation Model,World Model E2E仿真和数据生成。
我们致力于打造银行信贷领域的新一代“智能决策大脑”。我们以行业与产业研究为锚点,以数据智能为引擎,深度融合资深信贷专家的经验与海量异构数据洞察,构建面向信贷全生命周期的领域专属决策大模型。 1.主导信贷大模型的后训练体系:通过有监督微调(SFT)、奖励模型(RM)训练、人类反馈强化学习(RLHF)、直接偏好优化(DPO)等领域领先技术,让模型不仅“会回答”,更能“可解释、答得准、判得稳、符合专家直觉”,实现与信贷业务目标的深度对齐。 2.构建垂直领域智能Agent系统的能力:能主导信贷场景下Intelligent Agent的核心框架设计,融合感知、规划、执行与持续学习机制,并通过知识图谱、RAG、NL2SQL等技术打通非结构化知识、结构化数据与自然语言交互,实现从行业洞察、风险画像到决策支持的端到端自动化。 3.打造高质量领域数据飞轮:从零构建面向信贷场景的指令与偏好数据集,设计数据配比、清洗、增强与合成策略,持续提升数据效率与泛化能力——因为你知道,好模型的背后,是更聪明的数据。 4.建立科学严谨的评估体系:构建覆盖准确性、逻辑一致性、风险敏感度、幻觉控制等多维度的自动化评测 pipeline,用数据驱动模型迭代,确保每一个版本都比上一个更可靠、更可用。 5.站在AI+金融的最前沿:紧密跟踪全球大模型的最新进展(如新型偏好学习、多Agent协作等),快速将学术突破转化为业务生产力,解决真实世界中复杂、高 stakes 的信贷决策挑战。同时将领域化的研究转化为高质量的顶会论文,形成持续学术影响力。