小鹏汽车【26届校招】机器人应用软件开发工程师

T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 在这里，你将参与贡献大型电商场景下与音视频体验和成本相关的一系列研发工作；

 在这里，你将参与视频编码（包括但不限于HEVC/VVC）优化：通过基于信号处理和机器学习的快速编码决策、数据结构、并行框架设计，优化编码速度，同时在有竞争力的视频编码内核基础上，探索基于语义的内容感知编码优化，深度学习编码，AIGC编码等前沿课题，在保障画质体验的前提下，尽可能节省带宽；

 在这里，你将参与海量图像和视频的增强修复工作：运用前沿技术，包括但不限于模型结构优化、数据仿真和增强策略优化、知识蒸馏以及模型压缩，在限定带宽环境对任意失真的视频进行高效处理，力求最好的画质。同时，跟踪业界最新进展和技术趋势（包括AIGC）并融入特定的场景，提出创新方案，帮助平台提供逼近广电级别的视频画质；

 在这里，你将参与视频编码与处理联合优化：在标准编码框架的基础上，借助AI领域的新技术成果来研究视频信号的表征、编码与处理，将视频前后处理与编码联合优化，提升端到端压缩效果； 在这里，你将参与美颜等视频美化技术的研究工作，包括人脸检测、关键点、肤色美白、面部塑形、化妆效果模拟等。这些技术将应用于直播和短视频等多样化场景，并确保其在真实视频场景的有效整合。你还将专注于基于3D人脸建模和AI算法的智能美颜技术，推动这些技术的大规模落地； 在这里，你将参与UGC视频生产剪辑依赖的多类当下最前沿的图像视频生成与编辑，包括图像风格化，人像分割与实例分割，人脸属性，图像可控生成，图像视频化等，为视频剪辑提供更丰富的素材和更多的玩法；

 在这里，你将有机会参与最前沿的音视频质量评价算法工作，包括无参考的视频质量评价，人脸美学评价，音频质量评价，为多媒体算法的迭代和平台音画质的体验提供基础工具；
 在这里，你将帮助淘宝直播等大型的视频传输场景设计QoS算法，追求超低延时、极速播放等用户体验，并支持各种弱网环境下的最优的视频流畅度和优雅的画质降级。 T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ꔷ 投递T-Star实习生，提前解锁淘天顶级技术岗位，实习与T-Star正式批/应届秋招投递不冲突。拿到T-Star意向书的同时，将获得直通正式批次终面的机会；参与T-Star实习且表现优秀的同学，提供T-Star转正Offer。

职位概述： 我们寻找一位智能传感器开发工程师，为机器人在复杂环境（如导航、抓取操作、人机交互）中设计创新的感知方案。负责多传感器（视觉、触觉、IMU、RTK等）与算法的深度融合，开发高可靠性感知系统，并推动机器人平台的落地应用。该职位需兼具硬件设计、算法优化及工程实现能力。 1. 传感器系统方案设计：分析机器人需求，定义传感功能及技术指标，完成关键技术预研与可行性评估。 2. 传感器设计与优化：主导视觉、雷达、触觉等传感器的仿真设计、选型及性能优化。 3. 系统验证与交付：制定硬件与算法测试方案，验证仿真/真实场景性能，确保产品交付。 4. 软硬件协同优化：集成传感器与算法，提升系统在动态环境中的实时性与稳定性。 5. 多传感器融合算法开发：设计并优化视觉/IMU/触觉等数据融合算法，增强环境感知能力。 6. 跨团队协作：与算法、硬件、系统团队协同，确保传感器与机器人平台无缝对接。 7. 前沿技术探索：研究新型传感器技术及机器学习模型，推动感知系统创新。

文远知行 (WeRide.ai) 正在寻找优秀的编程人才，致力于通过解决人工智能和机器人领域最具挑战性的问题来变革未来的出行方式。开发安全可靠的自动驾驶汽车，其核心在于对车辆性能有深入的、数据驱动的理解。Metrics 团队（指标团队）正在寻找一位优秀的数据工程师来构建衡量我们成功的基础系统。您将负责创建能将原始数据转化为关键洞察的基础设施，确保我们做出的每一个决策都有准确且可扩展的指标作为支持。 1. 研发自动驾驶系统安全性、舒适性等评价算法，保障系统可靠运行。 2. 理解业务需求，深入自动驾驶业务，梳理业务流程，设计数据链路与指标体系，量化自动驾驶能力。 3. 对自动驾驶测试数据进行汇总与分析，深挖数据变化原因，结合数据分析发现问题。 4. 负责数据可视化与报告自动化，让数据直观呈现，辅助决策。 5. 自动驾驶场景挖掘。从海量非结构化测试数据中，高效提取对自动驾驶提升有高价值的交通场景。 6. 自动驾驶能力评价Metrics。运用算法模型或规则，开发自动驾驶算法能力评价指标与自动化评价方法。 7. 建立自动驾驶行为评价的体系框架。

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。