logo of xpeng

小鹏汽车AI Infra软件工程师(人形机器人方向)

社招全职地点:深圳状态:招聘

任职要求


1、计算机科学、电子工程或相关领域本科及以上学历;
2、精通 C/C++Python 等编程语言,有实时系统开发经验者优先;
3、熟悉 Linux 操作系统及相关系统工具(如 Bash);
4、掌握 Docker 等容器化技术。
5、具备出色的团队合作精神,拥有谦逊开放的态度,并且乐于持续学习。

加分项
1、具有机器学习模型部署的实际经验;
2、拥有机器人技术(如操作、导航)或自动驾驶领域的背景经验;
3、英文沟通与写作能力优秀,能够无障碍参与技术交流;
4、具有功能安全相关产品开发的实际经验。

工作职责


1、与机器学习工程师紧密协作,负责将端到端模仿学习、强化学习和大语言模型等最新技术部署于人形机器人中,开发并优化深度学习的 C++ 推理管道;
2、开发机器人研发工具链,如可视化、数据转发、上位机等软件,加速各个团队研发落地;
3、设计并实现通信、数据采集、监控等中间件,优化机器人算力,确保软件和算法的高性能与稳定运行;
4、开发机器人 DevOps 和 MLOps 流程,将机器人软件与模型集成到 CI/CD 平台中;
5、与跨部门团队紧密合作,确保软件解决方案的兼容性和性能优化,推动项目成功落地;
6、积极探索新兴技术与工程领域,影响并参与团队的技术决策。
包括英文材料
学历+
C+
C+++
Python+
Linux+
Bash+
Docker+
机器学习+
自动驾驶+
相关职位

logo of xpeng
社招

1、与机器学习工程师紧密协作,负责将端到端模仿学习、强化学习和大语言模型等最新技术部署于人形机器人中,开发并优化深度学习的 C++ 推理管道; 2、开发机器人研发工具链,如可视化、数据转发、上位机等软件,加速各个团队研发落地; 3、设计并实现通信、数据采集、监控等中间件,优化机器人算力,确保软件和算法的高性能与稳定运行; 4、开发机器人 DevOps 和 MLOps 流程,将机器人软件与模型集成到 CI/CD 平台中; 5、与跨部门团队紧密合作,确保软件解决方案的兼容性和性能优化,推动项目成功落地; 6、积极探索新兴技术与工程领域,影响并参与团队的技术决策。

更新于 2025-07-24
logo of xpeng
社招

1、与机器学习工程师紧密协作,负责将端到端模仿学习、强化学习和大语言模型等最新技术部署于人形机器人中,开发并优化深度学习的 C++ 推理管道; 2、设计并实现通信、数据采集、监控等中间件,优化机器人算力,确保软件和算法的高性能与稳定运行; 3、开发机器人 DevOps 和 MLOps 流程,将机器人软件与模型集成到 CI/CD 平台中; 4、与跨部门团队紧密合作,确保软件解决方案的兼容性和性能优化,推动项目成功落地; 5、积极探索新兴技术与工程领域,影响并参与团队的技术决策。

更新于 2024-06-26
logo of xpeng
社招

1、与机器学习工程师紧密协作,负责将端到端模仿学习、强化学习和大语言模型等最新技术部署于人形机器人中,开发并优化深度学习的 C++ 推理管道; 2、设计并实现通信、数据采集、监控等中间件,优化机器人算力,确保软件和算法的高性能与稳定运行; 3、开发机器人 DevOps 和 MLOps 流程,将机器人软件与模型集成到 CI/CD 平台中; 4、与跨部门团队紧密合作,确保软件解决方案的兼容性和性能优化,推动项目成功落地; 5、积极探索新兴技术与工程领域,影响并参与团队的技术决策。

更新于 2025-07-14
logo of xpeng
校招

我们正在寻找对大语言模型(LLM)的应用落地、效果调优和系统效能提升充满热情的工程师。您将加入我们的核心研发团队,主要负责将先进的 LLM 技术转化为实际的业务价值,特别是在指令微调(SFT)、智能体(AI Agent)的设计与部署,以及应用基础设施(Infra)的优化。我们的目标是打造高效、可靠、智能的 LLM 应用解决方案,加速模型在人形机器人、自动驾驶、多模态等前沿领域的落地。 1. LLM 微调与应用落地:负责设计并执行 LLM 的指令微调(SFT)和对齐(如 RLHF/DPO)实验,以提升模型在特定应用场景(如代码生成、复杂推理、对话)的表现。主导模型效果的评估体系搭建和优化,确保模型输出的准确性、安全性和一致性。 2. 云端训练框架与效率优化:主导 LLM 微调(SFT/对齐)流程在云端环境下的效率优化,包括数据加载、多机通信、资源调度、框架稳定性等方面,确保 SFT 流程的高效、稳定和低成本运行。 3. 前沿应用技术追踪:紧密追踪 LLM 在 Agent 框架、长上下文处理、多模态交互等应用层面的最新研究与工程实践,并将其快速引入到产品线。 4. AI Agent 研发与部署:探索并实践基于 LLM 的 AI Agent(智能体) 框架,包括工具调用(Tool Use/Function Calling)、规划(Planning)、记忆(Memory)等核心模块的设计与实现。将开发的 Agent 系统集成到实际产品或业务流程中,提升自动化和智能决策能力。 5. 跨团队协作:与算法、数据和产品团队紧密合作,将模型优化成果快速产品化,并收集应用层的反馈来指导下一轮模型迭代。

更新于 2025-10-15