蔚来实习-大模型算法研发工程师
任职要求
一、基础条件（必备） 计算机科学、自动化、机器人工程、人工智能、控制工程、应用数学等相关专业，硕士在读； 具备扎实的机器学习 / 深度学习基础，理解 Transformer、时序建模、自监督学习 核心原理，了解路径规划 / 轨迹预测基本概念； 熟练掌握 Python 编程，精通 NumPy/PyTorch 框架，能独立完成简单模型搭建与训练； 熟悉 Linux 开发环境，掌握 Shell 基础命令，能适配 GPU 训练场景（了解 CUDA 基础者优先）； 逻辑清晰，自驱力强，对智能辅助驾驶规划器预训练方向有浓厚兴趣，愿意钻研技术细节。 二、核心…
工作职责
参与 智能辅助驾驶 Planner（规划器）基座预训练 相关数据处理工作，包括路测 / 仿真数据的矢量化重构、场景切片、时序轨迹清洗、长尾场景筛选与预训练数据集构建； 协助研发 Planner 预训练任务，如轨迹预测自监督、多智能体交互博弈建模等，参与损失函数设计与实验验证； 基于 PyTorch 框架，协助搭建时序规划模型（Transformer/Mamba 等），参与预训练、微调全流程，负责实验日志记录与结果分析； 优化预训练数据 Pipeline，提升数据加载、预处理效率，配合解决训练中的 CPU/IO 瓶颈问题； 跟进智能辅助驾驶规划、具身智能、时序大模型领域前沿论文，参与技术调研与简单算法复现； 协助撰写实验报告、技术文档，配合团队完成项目迭代与成果沉淀。
我们期待你具有医学影像/计算机视觉/机器学习等方面扎实的基础知识和丰富的实践经验。 我们期待你对医学临床问题感兴趣，有热情从事相关工作。 我们期待聪明、皮实、乐观、自省、追求卓越和自我驱动的优秀人士加入达摩院，共同开创医疗影像+AI的临床服务精准医疗新格局。 具体职责包括但不限于： 1、负责医学影像+计算机视觉基础算法分析、诊断、搜索、合成等方面的算法研究、系统研发和产品开发; 包括研发多模态医学影像综合分析，医学影像合成与增强，scalable & generalizable 器官分割，病灶检测, 病人临床信息学，疾病精准诊断，疾病治疗方案预后优化和推荐，病人治疗随访并疗效评估等新一代的人工智能赋能的临床流程。 2、积极参与我们临床合作者的日常研发和研讨活动，能够从病人的角度出发，定义临床问题，研发临床人工智能解决方案，比较综合的培养人才。
1、参与大模型算法结合风控业务落地的相关工作。 2、跟踪和研究业界SOTA算法和技术，完成算法的调研、选型与调优。
1、参与大模型算法结合风控业务落地的相关工作。 2、跟踪和研究业界SOTA算法和技术，完成算法的调研、选型与调优。
核心职责与研究课题： 1. 研发垂域大模型：面向淘宝复杂工程技术体系，构建懂淘宝上下文的研发垂域大模型。 ①设计面向复杂工程系统的大模型数据构建和训练策略，涵盖离线的研发数据的高质量组织与清洗、在线人机协同的用户轨迹数据组织与迭代、算法训练方式策略选择（CPT、SFT、RL/RLHF）等； ②攻克研发场景的大模型面临的工程系统关系理解、研发领域知识显式记忆与推理、研发域差异化任务规划及工具调用、及情景感知检索等方向难题，打造懂业务、懂架构的研发智能体能力。 2. 端侧大模型探索：结合淘宝开源端侧深度推理引擎 MNN，探索极致高效的端侧大模型技术。 ①摒弃单纯的模型压缩思路，以端侧NPU/CPU/GPU 的硬件特性牵引大模型架构设计，探索并设计适合端侧运行的高效模型架构，在有限算力下突破性能瓶颈； ②负责端侧模型的全流程训练探索，涉及从预训练及后训练优化，结合投机采样、KV Cache优化、混合量化等优化，得到高性能的端侧大模型。 T-Star实习可以带给你什么？ 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。