小米智驾模型评测算法工程师
任职要求
1. 具备智驾相关算法研发经验，熟悉端到端/VLA算法及其应用场景； 2. 具备深度学习模型开发经验，了解各类智驾算法SOTA评测指标及原理与实现； 3. 熟练掌握Python编程，具备基于数据驱动的算法开发能力，能够根据评测结果灵活调整和优化算法模型； 4. 具备评测框架搭建与工具链开发经验，了解常用评测工具的…
工作职责
1. 负责智驾车端模型/云端大模型的算法评测工作，运用数据驱动的方式推动模型持续优化与迭代升级； 2. 搭建车端/云端算法评测框架，建设全面的评测数据体系，保障评测数据的精准性和全面性； 3. 负责仿真评测系统的搭建与完善，构建多场景、多维度的评测指标，确保算法在复杂场景下的稳定性和可靠性； 4. 开发并优化评测相关的算法模型，提升评测系统的效率与准确度，协助建立自动化评测工具链，实现算法评测流程的标准化与自动化； 5. 推动评测工具与平台的持续迭代，支持不同算法模块的快速集成与评估，确保测试工具的扩展性与可用性。 根据评测数据与结果，提出算法优化方案，推动算法的快速迭代与性能提升。
1、数据闭环体系搭建与落地：负责自动驾驶全链路数据闭环体系设计与搭建，日均处理亿级传感器原始数据及标注数据，保障数据从采集、处理到模型训练的端到端流转，支撑感知、决策规划等端到端模型的高效训练； 2、数据闭环工具链研发： 2.1 云端数据处理 pipeline 开发： •针对标注数据、场景数据，设计并落地数据清洗（去噪、去重、异常过滤）、解析、切片、抽帧、送标（对接标注平台）的全流程自动化 pipeline； •优化 pipeline 吞吐量与延迟，目标支撑日均 10 万 + 场景数据处理，服务算法团队数据生产需求； •推动工具链部署落地，解决线上运行故障（如数据阻塞、接口兼容问题），保障工具链可用性。 2.2 高价值场景数据挖掘体系建设: •搭建 “规则 + 大模型” 双驱动的数据挖掘产线：针对规则挖掘，设计接入多种传感器、定位、感知、底盘、车身信号并优化规则策略；针对大模型挖掘任务，完成数据方案制定、模型微调、loss优化、模型评测等； •与算法团队协作迭代挖掘策略，提升 corner case 召回率（目标≥85%）。
设计开发充分自动化且可大批量泛化的车辆运动控制算法，支持例如底层执行器力矩直控，人机共驾，低附路面驾驶等细分功能和挑战场景。 开发和扩展对车辆模型及算法标定的自动化产线，对车型建模、适配、标定、准出的过程，进一步实现低成本高质量的标准化，流程化，自动化。 通过与内外部项目经理、模块协同方、及车企客户对接，提炼有效需求，标准化解决方案，解决用户真实痛点，提升车主智驾体验和安全性。
1.参与端到端智驾模型训练/评测数据生产全链路开发，包括数据生产、数据挖掘、打标、质检等； 2.参与智驾标签体系、meta体系的研发、维护及落地； 3.参与数据全链路相关的基础框架研发，包括挖掘、生产及分析框架等；
1、负责端到端智驾大模型的算法突破、模型训练、评测构建与实车路测等相关工作； 2、负责纯模型方案在L2++下的量产落地； 3、负责端到端智驾大模型的算法预研和量产落地。