哈啰预测大模型算法工程师-【自动驾驶】
任职要求
1. 本科及以上学历，专业方向包括计算机、软件、自动化、模式识别等理工科，工作经验不小于1年； 2. 具备较强的编程能力，精通Python及C++语言，熟悉Docker容器化部署，有良好的编程习惯和标准化的代码风格； 3. 熟悉模型迭代的基础流程体系，有样本生成、数据…
工作职责
1. 预测模型的选型、设计、训练和优化，与团队协作完成预测模型的测试、验证和部署； 2. 构建数据标注和评测流程，并基于模型表现进行数据挖掘、数据清洗、数据配比等提升模型效果； 3. 分析路测数据中的corner场景，设计数据和模型等手段，提升该场景下模型表现并解决问题； 4. 跟踪行业前沿技术，将创新性方案应用于实际项目。
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)
-负责自动驾驶系统中基于深度学习的轨迹、意图预测算法的研究与实现 -研发自动驾驶决策规划大模型，利用模仿学习、强化学习等技术，实现复杂交通场景下的端到端自动驾驶 -参与端到端智驾系统设计与讨论，输出技术架构与设计方案 -负责智驾系统问题分析优化，识别模型算法与数据缺陷，并做出改进 -处理大规模数据集，进行数据清洗、特征提取、模型训练和评估，优化算法的性能和效果
1. 跟踪VLM/VLA、世界模型、3D生成等前沿技术动态，结合地图领域的专业知识，探索其在智能交通与位置服务中的创新应用； 2. 基于高德海量多源异构数据，参与多模态地图大模型的构建、训练及性能调优； 3. 研发面向静态要素检测、occupancy网格预测及三维场景重建的多模态感知算法，建设复杂城市场景下的空间理解与环境表征能力。
我们正在寻找一位对数据充满热情、具备出色分析能力的财资BI分析师。该职位将深入了解 BU 业务模式，研究核心BU庞大的财资业务数据（包括但不限于现金流、银行账户、外汇、融资、支付结算、风险敞口等），通过先进的数据分析和可视化技术，提炼有价值的业务洞察 (Insights)。该职位将负责设计、开发和维护关键的财资管理报表和仪表盘，主动识别潜在风险、发现运营效率提升的机会点，并为财资战略决策提供强有力的数据支持，助力业务集团财资管理水平的持续优化和价值创造。 主要职责: 1. 数据治理与整合: ● 负责财资管理领域数据质量监控、标准制定及清洗整合，确保数据准确性与一致性。 ● 构建财资数据库，支持本领域同学高效获取结构化数据。 2. 报表开发与可视化: ● 使用BI或DI工具设计、开发和上线可视化报表与驾驶舱，涵盖全球现金头寸、资金预测偏差分析、风险敞口监控（汇率、利率等）、银行费用分析、营运资本指标、关键绩效指标（KPIs）等，满足管理层及财资端需求。 ● 定期输出财资管理报告、风险预警报告等关键文档。 3. 数据分析洞察与风险预警: ● 对现金流模式进行深入分析，识别季节性、趋势性特征，评估预测准确性，挖掘偏差原因，提出预测改进建议。 ● 分析全球资金分布和使用效率，识别闲置资金，评估资金池效益，为优化账户结构和资金归集策略提供数据支持。 ● 量化和监控汇率、利率等市场风险敞口，评估对冲策略的有效性，识别潜在风险点。 ● 分析银行手续费、账户管理费等银行费用，识别成本节约机会。 ● 监控支付结算数据，识别异常交易模式，提示潜在的操作风险或欺诈风险。 ● 基于数据分析结果，建立或优化风险预警指标和机制，提前识别潜在的流动性风险、市场风险或操作风险信号。 ● 通过数据挖掘，主动发现可提升财资运营效率、降低成本、改善营运资本或优化融资结构的机会点。 ● 探索大语言模型（LLM）在财资管理数据分析中的创新应用。 4. 支持与协作: ● 与财资团队内部成员（现金管理、市场风险管理、财资运营等）、财务会计、产品技术、业务部门等紧密协作，理解业务需求，提供数据支持。 ● 协助进行财资相关的特定项目分析和情景模拟（Scenario Analysis）。 ● 参与财资管理系统或BI或DI工具的优化与升级项目。 ● 支持财资管理场景的AI Agent工具运用，实现数据查询、报告生成等流程自动化。