哈啰智驾数据实习生-【自动驾驶】
任职要求
1. 学历与专业：本科及以上学历，计算机、软件工程、自动化、电子工程、人工智能、数学等相关理工科专业； 2. 技术基础：熟悉linux及C++编程，对基础的计算机原理、数据结构、操作系统等比较熟悉； 3. 模型与数据经验： - 有实际的数据处理、挖掘或分析经验，熟悉数据标注、清洗、增强等相关流程和方法； - 对大模型有深入理解，熟悉视觉语言模型（VLM）、大语言模型（LLM）的基本原理和应用有浓厚兴趣或实践经验。； 4. 自动驾驶知识：对自动驾驶技术栈（感知、预测、规划）有基本了解，熟悉nuScenes、Waymo等至少一个主流自动驾驶数据集； 5. 个人素质：具备优秀的问题分析能力和解决复杂问题的热情，工作踏实靠谱，拥有良好的团队协作精神和跨团队沟通能力，表现优异者可转正； 6. 加分项： - 在Kaggle、天池等人工智能竞赛中取得过优异成绩，或在权威开源数据集榜单上排名靠前； - 有多模态学习、大模型提示词工程（Prompt Engineering）、智能体（Agent）设计应用或链式思考（CoT）等相关经验。
工作职责
1. 车端与云端数据流水线构建：设计并开发车端轻量化数据筛选与触发器，制定数据采集策略，确保高效回收有价值场景；构建与优化云端大规模数据自动化处理流水线，包括清洗、送标和评测，支持模型的持续迭代； 2. 自动化数据挖掘与标注：利用基于规则和基于VLM大模型的方法，对海量驾驶场景进行自动化、智能化的挖掘与标签生成。针对大模型挖掘任务，完成数据方案制定、模型微调、loss优化、模型评测等； 3. 云端大模型： - 跟踪最新的AI进展，在公司自有数据集上完成适配验证，完成AI模型选型； - 参与或主导多模态视觉语言大模型的微调、优化与云端部署，使其适用于robotaxi场景的用户行为监测和车端Corner Case的远程决策支持（如生成避让、绕行指令）。
1. 车端与云端数据流水线构建：设计并开发车端轻量化数据筛选与触发器，制定数据采集策略，确保高效回收有价值场景；构建与优化云端大规模数据自动化处理流水线，包括清洗、送标和评测，支持模型的持续迭代。 2. 自动化数据挖掘与标注：利用基于规则和基于VLM大模型的方法，对海量驾驶场景进行自动化、智能化的挖掘与标签生成。针对大模型挖掘任务，完成数据方案制定、模型微调、loss优化、模型评测等。 3. 云端大模型： - 跟踪最新的AI进展，在公司自有数据集上完成适配验证，完成AI模型选型。 - 参与或主导多模态视觉语言大模型的微调、优化与云端部署，使其适用于robotaxi场景的用户行为监测和车端Corner Case的远程决策支持（如生成避让、绕行指令）。
数据分析实习生（自动驾驶方向） 【base】广州/上海，本科100/天，硕士150/天 1、自动驾驶性能分析 - 通过自动驾驶系统运行数据，分析智驾性能问题，评估自动驾驶技术迭代效果； 2、 用户增长与使用率分析 - 分析用户使用自动驾驶功能的行为路径，识别增长关键节点； - 通过归因模型量化行为、活动、产品改版对使用率的影响，输出分析报告； 3、数据可视化及自动化搭建 - 使用Hive/Postgre SQL处理PB级数据，搭建BI仪表盘（如Tableau/Power BI）； - 协助整理各分析报告提效优化需求并完成跟进（跟进数仓与前端与自动化相关任务及进度）； - 协助梳理底层数据建设的稳定性与可拓展性（对接相关方完成数据基础建设及数据管理优化）；
1. 协助研发基于强化学习（RL）或模仿学习（IL）的自动驾驶决策规划算法，解决复杂交通场景下的车辆行为决策与运动规划问题； 2. 参与构建和优化用于训练决策模型的数据处理流程，包括特征工程、场景提取、奖励函数设计及大规模数据集处理； 3. 负责或参与相关算法的仿真测试、实车调试、性能评估与迭代优化，推动算法在真实环境中的性能提升和落地； 4. 跟踪并调研强化学习、模仿学习、行为预测等领域的国际前沿动态与最新研究成果（如顶会论文CVPR, ICRA, NeurIPS, ICML等），并尝试将其应用于实际项目； 5. 协助端到端自动驾驶大模型或相关子模块的研发与优化工作。
1.为智驾大模型进行软件/产线/基建的架构设计和工程开发，建设一体化和规模化的Data Infra解决方案，提升模型数据的数量、质量和多样性，推动算法的高效演进； 2.协同感知/规控算法团队，构建面向智驾大模型的海量数据闭环体系，覆盖数据采集、处理、挖掘、应用的端到端全链路。