小鹏汽车【探索者】自动驾驶测试工程师-主动安全
任职要求
1、本科及以上学历，车辆、机械、计算机等相关专业，在知名OEM或Tier1有过3年及以上的主动安全/ADAS功能整车测试经验； 2、了解摄像头、毫米波雷达、激光雷达基本原理，熟悉Vector/CANape、RT-Range/Vbox、转向/踏板机器人、假人假车设备等，熟悉Python脚本编程，具备较强地数据处理与分析能力； 3、熟悉EuroNCAP/CNCAP/ISO主动安全评价规程和行业标准，了解FMEA和ISO26262功能安全； 4、对交通安全/车辆安全极富热情，具备高度责任感、积极进取、实事求是，具备优秀的团队协作意识与沟通表达能力； 5、拥有C1或以上驾照，具备良好的安全驾驶意识和熟练的驾驶技能； 6、具备较好的英语听说读写能力。
工作职责
1、负责自研主动安全功能（FCW/AEB/LDW/LKA/eLKA等）的整车测试计划、测试方案、测试项目管理、测试资源评估和实车测试； 2、根据主动安全的产品定义和功能规范，负责制定与编写测试规范、测试用例、性能评价标准等； 3、负责主动安全功能场地验证测试，主导支撑EuroNCAP&CNCAP评价规程工况的场地验证测试； 4、负责主动安全功能的道路数据采集与路测工作，建立完善有效的测试场景库与测试用例库。
1. 深入理解自动驾驶系统的内部逻辑和表现行为，从自动驾驶的大规模虚拟仿真/道路测试数据中分析自动驾驶系统在安全性方面的表现和趋势。与研发工程师和测试工程师紧密合作，以数据驱动的方式评估、提升自动驾驶系统的安全性。 2. 调研业界前沿自动驾驶性能评估方法，落地实施，帮助提升自动驾驶算法安全性。
1、负责数字化底盘架构车辆动力学核心技术的创新研究，包括但不限于：线控底盘（Brake-by-Wire/Steer-by-Wire）、智能悬架（主动/半主动）、轮毂电机扭矩矢量控制、自动驾驶与动力学协同控制等； 2、探索AI/ML在车辆状态参数估算、动态响应预测与实时控制中的应用（如强化学习控制算法）； 3、研究新型车辆底盘架构（如轮边角模块等）对车辆动力学特性的挑战与解决方案； 4、与自动驾驶、电驱动系统、轻量化材料团队合作，优化整车动态性能（如舒适性、操纵稳定性、能量效率）； 5、构建高精度车辆动力学仿真模型（多体动力学、高保真轮胎模型等），支持数字孪生与SIL/HIL等在环测试； 6、开发基于云平台的动力学参数标定与OTA更新技术； 7、跟踪产业界、学术界前沿技术进展，探索在数字化底盘领域相关车辆动力学相关业务场景上的应用落地路径，持续迭代优化。 【课题名称】数字化底盘动力学研发 【课题内容】本课题聚焦于数字化底盘系统中车辆动力学研发工作，通过构建高保真、多场景适用的数字化底盘汽车动力学特性预测分析模型，完成线控底盘子系统（主动悬架、线控转向、线控制动）的协同控制性能分析，并对线控底盘子系统特性提出技术要求。
我们正在寻找对大语言模型（LLM）的底层原理、性能优化和高效预训练充满热情的顶级算法工程师。您将加入我们的核心研发团队，主要负责LLM预训练阶段的算法设计、优化与实现，包括模型架构的探索、训练稳定性的提升、大规模分布式训练的优化等。我们的目标是基于业务需求，设计并训练对硬件计算友好的语言模型，从根本上突破模型的性能和训练效率极限，加速LLM在人形机器人、自动驾驶、多模态等前沿领域的落地。 工作职责： 1. LLM预训练算法研发与实现： 主导1~7B参数级别的Dense以及MoE Transformer模型以及其他前沿架构在预训练阶段的设计、实验与优化，以提升模型的基础能力和效率。 2. 基准测试与性能优化： 负责模型训练过程中的关键性能指标监测与优化，特别是MMLU, GSM8K, MATH等常见标准化测试的表现。通过算法迭代，持续提高模型在理解、推理和泛化能力方面的分数。 3. 训练稳定性与效率提升： 负责分析和解决超大规模训练过程中的数值不稳定、梯度爆炸/消失等问题，引入和实现如混合精度训练、梯度裁剪、学习率调度等优化策略。 4. 前沿技术追踪与转化： 紧密追踪全球LLM预训练、Scaling Law、新型优化器（如AdamW、Lion）等最新研究进展，评估并将业界顶尖的算法创新快速转化为我们的核心竞争力。 5. 跨团队协作： 与数据工程师紧密合作，分析数据对预训练效果的影响，并与系统/硬件工程师协作，共同调优底层计算资源以实现最高训练吞吐。
我们正在寻找对大语言模型（LLM）的底层原理、性能优化和高效预训练充满热情的算法实习生。您将加入我们的核心研发团队，主要负责LLM预训练阶段的算法设计、优化与实现，包括模型架构的探索、训练稳定性的提升、大规模分布式训练的优化等。我们的目标是基于业务需求，设计并训练对硬件计算友好的语言模型，从根本上突破模型的性能和训练效率极限，加速LLM在人形机器人、自动驾驶、多模态等前沿领域的落地。 工作职责： 1. LLM预训练算法研发与实现： 主导1~7B参数级别的Dense以及MoE Transformer模型以及其他前沿架构在预训练阶段的设计、实验与优化，以提升模型的基础能力和效率。 2. 基准测试与性能优化： 负责模型训练过程中的关键性能指标监测与优化，特别是MMLU, GSM8K, MATH等常见标准化测试的表现。通过算法迭代，持续提高模型在理解、推理和泛化能力方面的分数。 3. 训练稳定性与效率提升： 负责分析和解决超大规模训练过程中的数值不稳定、梯度爆炸/消失等问题，引入和实现如混合精度训练、梯度裁剪、学习率调度等优化策略。 4. 前沿技术追踪与转化： 紧密追踪全球LLM预训练、Scaling Law、新型优化器（如AdamW、Lion）等最新研究进展，评估并将业界顶尖的算法创新快速转化为我们的核心竞争力。 5. 跨团队协作： 与数据工程师紧密合作，分析数据对预训练效果的影响，并与系统/硬件工程师协作，共同调优底层计算资源以实现最高训练吞吐。