小鹏汽车数据算法实习生（自动驾驶数据挖掘与生成）
任职要求
1、海内外高校计算机科学、人工智能、自动化、机器人、数学、统计等相关专业本科、硕士或博士在读（硕博优先）； 2、扎实的机器学习、深度学习或计算机视觉基础； 3、熟练使用 Python，熟悉 PyTorch / TensorFlow 等深度学习框架； 4、具备良好的算法实现能力与代码工程能力； 5、对自动驾驶、数据挖掘或多模态模型方向有浓厚兴趣。 【研究能力】 1、具备一定科研能力与问题抽象能力，能够将实际工程问题抽象为研究问题并进行算法设计； 2、熟悉以下至少一个研究方向： *多模态学习 / Vision-Language Model； *Representation Learning / Embedding Learning； *数据挖掘 / 数据分布建模； *生成模型（…
工作职责
1、多模态数据挖掘：基于 VLM 开展自动驾驶场景理解与行为挖掘，实现复杂场景、行为模式及 corner case 自动识别发现，探索弱监督 / 自监督 / 提示工程应用，提升高价值训练数据挖掘效率； 2、数据向量化建模与分布挖掘：研究数据 Embedding 建模方法，构建场景 / 行为 / 轨迹向量空间，实现数据分布建模、长尾场景发现与覆盖度评估，设计高效数据采样、重加权与主动挖掘算法； 3、数据合成与场景重建：基于 3D Gaussian Splatting、世界模型、NeRF 等技术实现真实场景重建，生成高真实性仿真数据与 corner case 合成数据，探索世界模型与数据生成在数据闭环中的应用； 4、数据闭环系统算法研发：负责自动驾驶数据挖掘、筛选、评测与训练数据构建闭环系统，推动算法研究原型工程化落地，并在真实数据中完成效果验证。
1. 探索自动驾驶世界模型的前沿算法与应用，包括但不限于场景生成、未来预测、场景重建、强化学习等前沿算法的研究； 2.探索视觉基座大模型的前沿算法与应用，包括但不限于depth/semantic/flow等方向，同事探索 3.探索多模态大模型的前沿算法与应用，包括但不限于在数据挖掘、场景理解方面的应用
1. 熟悉bev/occ/静态bev/3d等方向的云端模型训练和相关推理部署、Drivesora/Qwen-WAN等世界模型-生成大模型的多模态训练和相关推理部署、基于3DGS的StreetGaussian/DGGT/ReconDreamer场景重建算法开发和相关推理部署。 2. 熟悉自动驾驶数据的预处理、挖掘和特征工程， 对大模型的强化学习及相关框架有一定了解更佳。 3. 结合公司已有的自动驾驶相关数据对大模型finetune，使世界模型更好服务于自动驾驶业务的数据和仿真需求。 4. 与部署优化工程师合作，确保算法的实际可行性和集成性。 5. 跟踪最新的科研进展和技术趋势，将前沿技术应用于解决实际问题中。
一、工作地点 上海 二、 负责自动驾驶领城LLM、VLM、VLA相关算法的设计与优化，探索其在自动驾驶各环节的创新应用，以提升自动驾驶系统的整体性能和安全性。 基于海量自动驾驶数据，进行模型训练和调优，挖掘数据价值，构建高质量数据集，提高模型的泛化能力和准确性。 开发基于大模型的数据分析工具和平台，为自动驾驶研发提供数据驱动的决策支持，推动自动驾驶技术的持续进步。 推动大模型算法在实际自动驾驶产品中的部署与落地性，满足自动驾驶在各种场景下的应用需求。 三、
1. 基于风险场理论、人工势场方法、RSS数学模型等，进行自动驾驶评估算法开发和评估环境搭建； 2. 完成评估算法的接入和日常调试，完成测试数据的处理、分析，并结合相关指标完成自动驾驶算法的安全评估和问题定位； 3. Data-science应用于数据场景挖掘&生成。