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. 负责公司数据闭环体系搭建，处理亿级数据量，为端到端模型训练提供数据产线支持； 2. 主导数据闭环工具链研发，加速自动驾驶模型迭代，职责涉及以下方向： 2.1 数据筛选器：开发车端热更新筛选器和影子模式，设计并实现触发逻辑，打通云端配置到车端链路； 2.2 数据录制及上云：车端数据录制，包括原始数据封装、压缩、加偏、脱敏、加密等，打通车云上传链路； 2.3 云端数据处理：对于标注数据、场景数据，开发数据清洗、编解码、自动打标、高价值数据挖掘、数据检索、评测等自动化工具，适配自动驾驶模型数据pipeline. 3. 基于云资源和图商合规云体系的数据闭环：基于云上资源构建标注、训练平台，并完成智驾算法的适配对接和数据pipeline开发。
1. 深入理解智能驾驶各模型算法，深度嵌入研发团队，设计评测方案、指标体系，回测策略等，并进行测试用例编写、评审、执行，分析指标变化和badcase，出具测试报告，持续跟进算法进展和问题验证； 2. 模型评测集方案构建，跟数据组配合采集、标注测试集； 3. 负责搭建算法测试环境和平台，编写自动化测试脚本； 4. 协助算法开发人员分析算法结果，抽象问题域； 5. 设计算法质量保证流程，推进算法指标迭代。
1、负责训练评测数据特征仓库建设、相关指标实现； 2、 负责训练评测数据交付，保证数据质量； 3、 负责端到端智驾数据产线基础工具链建设、训练评测数据业务流程建设；
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%）。