logo of momenta

Momenta资深感知算法工程师(模型训练优化)

社招全职2年以上地点:北京 | 深圳 | 上海状态:招聘

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…
登录查看完整任职要求
微信扫码,1秒登录

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;
包括英文材料
学历+
C+++
深度学习+
CUDA+
还有更多 •••
相关职位

logo of momenta
社招算法

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。

更新于 2024-04-18北京|苏州|上海
logo of weride
社招3年以上

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.

更新于 2025-08-01广州
logo of xpeng
社招

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。

更新于 2023-08-30北京
logo of antgroup
社招3年以上技术类-算法

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。

更新于 2025-11-13上海|杭州