Soul APP多模态生成算法实习生
任职要求
1. 有大语言模型或Diffusion模型的大规模训练经验, 熟悉相关技术细节和优化策略；
2. 有LLM或Diffusion领域强化学习经验为加分项；
3. 有扎实t…工作职责
1. 在图像和视频生成领域，开展AR Transformer和Diffusion模型融合的研究工作； 2. 探索PPO、DPO等强化学习方案在图像和视频生成领域的潜力，进一步提升生成效果和Benchmark； 3. 将研究成果转化为学术论文，持续投递A类会议；
1、参与多模态生成算法的调研和分析，如Diffusion Models 、 GAN 、 VAE 、 Autoregressive Models等，包括但不限文本/图像/视频生成，解决生成质量、多样性、可控性、采样效率、可编辑等问题； 2、参与多模态生成算法的基础模块的研发，如 VAE、CLIP、LLM 等； 3、协助多模态生成算法的效果分析、数据优化、行业调研 等。
实习职责： 1. 参与多模态生成模型（如图像生成方向）的数据处理、基础训练及测试工作； 2. 将深度学习图形图像领域技术结合游戏场景进行创新研究； 3. 参与图像-文本数据集的整理、标注及质量评估； 4. 跟踪和复现部分前沿生成式AI相关论文或开源项目； 5. 配合团队完成技术调研、文档撰写及结果可视化展示。
实习职责： 1. 参与多模态生成模型（如图像生成方向）的数据处理、基础训练及测试工作； 2. 将深度学习图形图像领域技术结合游戏场景进行创新研究； 3. 参与图像-文本数据集的整理、标注及质量评估； 4. 跟踪和复现部分前沿生成式AI相关论文或开源项目； 5. 配合团队完成技术调研、文档撰写及结果可视化展示。
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)