理想汽车AI产品实习生-智能驾驶
任职要求
1.教育背景 计算机科学、电子工程、自动化、人工智能等相关专业本科及以上学历，应届博士亦可; 工作经验，至少5年以上产品管理经验，有智能驾驶、人工智能产品经验者（LLM、VLM、VLM、E2E等）优先。 2.技能要求 具备扎实的产品管理知识和技能，包括需求分析、产品规划、项目管理等; 熟悉人工智能和智能驾驶相关技术，能够与技术团…
工作职责
1.智驾安全能力对齐&迭代牵引 负责将用户的智驾安全事故需求转化为模型能力的迭代需求，确保模型迭代方向符合用户需求； 与技术团队密切合作，探索模型的架构和数据可能性，提升模型上限； 2.数据价值管理&数据质量保障 制定智驾模型数据质量和体量的标准，确保数据能够满足模型能力要求； 建立和完善模型数据筛选标准，对输入模型的数据进行严格把关； 3.数据清洗规则制定 设计并实施模型数据清洗规则，提高数据的准确性和可用性； 与数据团队协作，监控数据清洗过程，确保数据质量符合模型训练要求； 4.能力评测管理&考题设计与验证 合理设计智驾模型能力验证的考题，确保能够全面评估模型的实际表现; 根据产品迭代和市场反馈，不断优化考题内容和形式; 5.评测方式迭代 负责设计和迭代影子评测方式，确保能够精准捕捉模型的优缺点; 支持仿真平台的迭代工作，为模型评测提供高效、准确的环境; 6.模型验收管理&实走查测试 组织和执行智驾模型能力的实走查测试工作，确保模型在实际场景中的可靠性; 收集和分析测试过程中的问题，尤其是涉及安全（如鸟蛋、千人体验）方面的问题; 7.问题闭环管理 建立问题反馈和解决机制，确保在模型验收过程中发现的问题能够得到及时处理; 跟踪问题解决情况，形成问题闭环，防止问题再次出现。
1.完成下一代自动驾驶产品设计和交付，负责模型能力训练、人机交互方案设计、功能体验提升等； 2.与研发团队紧密合作制定自动驾驶产品的训练策略，包括但不限于数据准备、模型微调、强化学习等，确保模型在各应用场景下的性能和效率； 3.负责自动驾驶产品的评测和对标，指导自动驾驶能力的提升和迭代； 4.跟踪最新的人工智能技术和行业趋势，评估其对产品的影响，并提出相应的产品改进建议。
1.针对自动驾驶能力与业务需求，协助识别产品与研发迭代过程中的关键问题，参与定义、设计并推动相应的产品方案落地。 2.协同算法、工程、运营等多方资源，助力自动驾驶技术能力在实际业务场景中持续提升。 3.参与自动配送/自动驾驶产品规模化扩展所需产品能力的梳理与沉淀。
【岗位亮点】 打造现象级AI产品：你的算法将服务数亿用户，利用行业最丰富的地理数据，扩展语义理解与路线生成的边界 前沿技术实践场：深度参与垂类多模态大模型的训练与优化，探索MLLM+地图理解的无限可能 真实场景大挑战：面对MLLM在地图任务下语义和空间的双重挑战，构建行业标杆级模型 【团队成就】 我们团队致力于构建下一代核心智能驾驶体验，在过去四年持续创造多个突破性创新产品技术。 智能出行开拓者：连续4年推出行业标杆产品，包括： 2022年 红绿灯倒计时黑科技 (拯救千万路怒症的神级操作) 2023年 V2X车车对话系统 (让汽车学会"社牛"沟通) 2024年 AI领航红绿灯 (比驾校教练更懂路的老司机) 2025年 TrafficVLM-Agent 上线 (高德地图“天眼”功能) 2025年 RouteVLM-Agent上线 (路线生成的无限可能) 【你将参与】 1. 用AI解锁出行新玩法：基于海量地图数据与用户场景，研发支持从“用户任意query”到一条“用户偏好&地理空间对齐的可行路线”的规划大模型 2. 打造行业领先的大模型应用：通过Prompt优化、SFT微调、强化学习等技术，让大模型真正理解复杂出行需求中的时空语义关系 3. 构建智能出行知识库：主导多模态数据处理，建立覆盖地图理解、实时路况分析、时空语义推理的千万级出行数据库 4. 定义未来出行方式：探索大模型在动态路线规划、智能交互导航等场景的突破性应用，持续输出行业领先的技术方案 【加入我们，你将获得】 与行业顶尖专家共事，参与日均百亿级请求的核心系统研发 完善的技术成长体系，包括大模型专项培训、季度技术workshop
团队介绍： 高德交通智能团队，是由AI算法，大数据，实时计算，工程服务人才组成的创新型技术团队，致力于构建下一代核心智能驾驶体验。在过去三年持续创造多个突破性创新产品技术，包括2021年上线的全国分钟级交通事件检测引擎，2022年5月业内首次实现的大规模红绿灯倒计时推演、2022年8月上线的基于实时天气光影计算的防晒导航，2023年上线的大规模车车V2X技术，路线规划天级自学习优化反馈技术等。目前有算法、实时计算、工程服务等多个职位，欢迎你的加入，一起用技术驱动创新，让广大用户的出行更美好。 岗位职责包括但不限于： 1. 探索交通时空数据的通用表征方法，以支撑交通下游的预测和识别等业务场景； 2. 探索新技术（多模态建模、LLM等）在交通领域的应用，以构建下一代交通大模型； 3. 结合领域内的高新论文和高德的海量交通数据，对idea或方法进行验证；