小鹏汽车【26届校招】大模型数据算法工程师
任职要求
1,教育背景：计算机、自动化、电子工程、数学等相关专业硕士及以上学历 技术能力; 2,熟练掌握transformer模型架构、具备规控算法经验; 3,熟悉主流框架（PyTorch），具备模型训练、调优和部署经验; 4,编程能力扎实（Python/C++），熟悉Linux开发环境.
工作职责
1. 负责自动驾驶多模态数据的合成技术研发与工程实现，构建高质量、多样化的仿真与合成数据，提升训练数据的覆盖场景丰富度与边界案例覆盖率，满足端到端自动驾驶模型的训练需求； 2. 深入分析自动驾驶训练数据的特征与分布规律，运用统计建模、机器学习与因果推理方法挖掘数据中的潜在问题（如样本偏差、长尾分布、标签错误、对抗样本等）； 3. 研究并开发面向自动驾驶场景的高效自动标签算法，基于规则算法和大模型数据挖掘方法，提升为大模型pretrain,sft,RL阶段提供高质量数据； 4. 构建端到端的数据质量评估与过滤体系，设计适用于自动驾驶任务的数据质量指标（如场景完整性、数据分布合理性、时序一致性、合规性等），开发自动化检测工具链，对标签数据、合成数据开展模型训练，提升模型在安全性，效率，合规，安心感等方面的表现； 5. 持续跟踪自动驾驶与大模型的前沿数据技术，推动数据合成、自动标注、质量评估等核心算法在实际工程系统中的部署与落地。
我们正在寻找对大语言模型(Large Language Model,LLM)充满热情的数据算法工程师,加入我们的核心AI团队。你将主要负责LLM高质量与大规模数据的采集与处理，并参与从LLM预训练、微调、推理优化到多场景应用落地的全流程工作，推动LLM技术在对话系统、内容生成、知识推理、具身智能等领域的创新 1. 主导LLM数据的采集和处理，搭建高效的数据处理 Pipeline，实现从海量原始数据到可直接驱动模型训练的高质量数据的转化。 2. 打造并优化数据平台的核心模块（包括处理、标注、对齐、存储与可视化），确保数据的可追溯性与可验证性。 3. 参与大模型从预训练到后训练的全链路流程，深入分析模型对数据的敏感点，通过数据迭代持续提升模型能力。 4. 紧跟全球前沿技术动态，研究并引入最新的数据集与标准，将优秀的开源经验转化为团队的核心优势，持续扩展数据版图。
1、参与自动驾驶系统中多模态大模型算法的研究、开发与优化，包括但不限于世界模型、端到端感知大模型、VLA大模型、多模态视觉语言大模型、离线数据算法大模型等方面的应用； 2、负责设计实现不同领域应用的多模态大模型架构，对模型进行迭代优化，以车端模型/数据产线模型量产为主要目标； 3、设计和实现多模态大模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性； 4、针对多模态大模型模型进行车端/云端部署，能够让模型在大规模量产场景下高效运行，产生业务价值； 5、针对多模态大模型进行训练效率优化，实现训练提效。
1.参与自动驾驶系统中机器学习算法的研究、开发与优化，包括但不限于深度学习算法在端到端感知大模型、规控大模型、视觉语言大模型等方面的应用； 2.负责收集、整理和分析自动驾驶相关的数据集，进行数据预处理和标注，以提高模型的准确性和泛化能力； 3.设计和实现机器学习模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性。