蔚来校招-AI系统优化研究员/工程师(AI system optimization reseracher/engineer)
任职要求
- 学历:博士(人工智能、计算机科学、自动化、车辆工程、电子信息等相关专业),优秀硕士亦可考虑。 - 深入理解深度学习原理与主流框架(PyTorch、TensorFlow、ONNX 等)。 - 熟悉…
工作职责
AI 技术落地与优化 - 车规级SoC上进行AI模型部署、推理优化和性能调优(包括低功耗优化、量化、剪枝等)。 - 针对操作系统和中间件层优化AI推理引擎,提升实时性与稳定性。 车控与SOA场景智能化 - 将AI技术应用于车控系统、车身控制等业务场景。 - 参与SOA架构下的智能服务开发与算法组件封装。 车云协同与数据智能 - 设计并优化车云通信协议和数据处理链路,提升数据传输效率与安全性。 - 参与车端数据上云后的智能分析与挖掘(如故障预测、驾驶行为分析、能耗优化等)。 跨团队协作与技术前瞻研究 - 与操作系统、中间件、车云互联等团队紧密配合,推动AI技术在整车控制链路中的应用。 - 跟踪AI与汽车电子领域的最新技术趋势,开展前沿技术验证与落地。
Seed 大模型人才校招,是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信,真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇,Seed 团队并不止步于模型迭代,而是选择进入技术深水区,推进下一代 AI 范式突破,不断探索智能的边界与上限。 团队介绍:字节跳动 Seed 团队成立于 2023 年,致力于寻找通用智能的新方法,追求智能上限,为科技和社会发展作出贡献。 Seed 团队在 AI 领域拥有长期愿景与决心,团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等,在中国、新加坡、美国等地设有实验室和岗位。目前,团队已推出业界领先的通用大模型以及前沿的多模态能力,支持豆包、即梦、TRAE 等超过 50 个应用场景,并通过火山引擎开放给企业客户。第三方数据显示,豆包 App 用户量在中国市场排名第一,豆包大模型日均 Token 调用量行业领先。 1、探索研究多模态理解、生成式、机器学习、强化学习、AIGC、计算机视觉、人工智能等前沿技术; 2、探索大规模/超大规模多模态理解与生成交织的基础模型,并进行极致系统优化;数据建设、指令微调、偏好对齐、模型优化;提升数据合成、Scalable oversight、模型推理、规划能力,构建全面客观准确的评测体系,探索提升大模型能力; 3、探索突破包括而不限于多模态RAG,视觉COT与Agent等在内的多模态模型、世界模型进阶能力,构建GUI/游戏等虚拟世界的通用多模态Agent; 4、探索全模态流式视频理解模型,内容包括但不限于支持无限长序列流式输入,高功能主动响应能力,超低延时推理与响应,全领域实时解说,Learning From Video等 5、利用预训练、仿真等技术对虚拟/现实世界的各类环境进行建模,提供多模态交互探索的基本能力,推动应用落地,研发以人工智能技术为核心的新技术、新产品。
岗位简介 数字系统负责整车EE架构设计、整车操作系统SkyOS、SOA架构及中间件、车云协同等硬核技术。 我们希望引入AI方向的博士人才,将前沿人工智能技术与整车数字系统深度融合,实现更安全、更智能、更高效的车辆体验。 岗位职责 AI 技术落地与优化 - 车规级SoC上进行AI模型部署、推理优化和性能调优(包括低功耗优化、量化、剪枝等)。 - 针对操作系统和中间件层优化AI推理引擎,提升实时性与稳定性。 车控与SOA场景智能化 - 将AI技术应用于车控系统、车身控制等业务场景。 - 参与SOA架构下的智能服务开发与算法组件封装。 车云协同与数据智能 - 设计并优化车云通信协议和数据处理链路,提升数据传输效率与安全性。 - 参与车端数据上云后的智能分析与挖掘(如故障预测、驾驶行为分析、能耗优化等)。 跨团队协作与技术前瞻研究 - 与操作系统、中间件、车云互联等团队紧密配合,推动AI技术在整车控制链路中的应用。 - 跟踪AI与汽车电子领域的最新技术趋势,开展前沿技术验证与落地。
1.研发业界一流物理AI系统,包括不限于模仿学习, 强化学习, vla, vlm等训练系统与算法架构; 2.参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; 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。
1. 探索研究多模态理解、生成式AI、机器学习、强化学习、AIGC、计算机视觉、人工智能等前沿技术; 2. 探索大规模/超大规模多模态理解与生成交织的基础模型,并进行极致系统优化;数据建设、指令微调、偏好对齐、模型优化;提升数据合成、Scalable Oversight、模型推理、规划能力,构建全面客观准确的评测体系,探索提升大模型能力; 3. 探索突破包括而不限于多模态RAG,视觉COT与Agent等在内的多模态模型、世界模型进阶能力,构建GUI/游戏等虚拟世界的通用多模态Agent; 4. 利用预训练、仿真等技术对虚拟/现实世界的各类环境进行建模,提供多模态交互探索的基本能力,推动应用落地,研发以人工智能技术为核心的新技术、新产品。