小米自动驾驶大模型算法工程师
任职要求
1. 自然语言处理、计算机视觉、人工智能相关领域的硕士或博士学位； 2. 计算机基础扎实，熟悉数据结构与算法； 3. 有较强的学习能力、沟通能力、解决问题的能力； 4. 具有大语言模型、多模态大模型、生成式模型、世界模型等算法背景； 5. 具备扎实的研…
工作职责
1. 参与研发自动驾驶云端VLM/VLA大模型，服务于数据挖掘、数据标注、算法评测等业务需求； 2. 跟踪最新的自动驾驶、具身智能相关前沿技术，并进行技术调研和原型验证； 3. 撰写高水平专利/论文。
深入理解自动驾驶算法逻辑，负责数据闭环系统架构与开发，设计并实现高效可扩展的数据闭环平台，覆盖数据挖掘、数据标注、数据集管理、模型训练评估和部署全链路，以支持模型开发： 1）搭建面向自动驾驶大模型的数据生产系统，涵盖数据清洗、增强、合成与标注全流程； 2）构建数据版本管理与回溯系统，实现数据集迭代过程的可追踪性，满足模型训练合规要求； 3）负责自动化标注与数据流水线，构建与迭代自动化、半自动化标注工具链（如大模型预标注、人机协同标注），提升数据产出的效率与质量； 4）与算法工程师及AI基础架构团队紧密合作，建设相关平台工具，提升自动驾驶模型的迭代效率和效果。
1. 端到端自动驾驶建模：参与、设计及实现端到端的自动驾驶建模方法，搭建从传感器数据到行为决策的端到端模型。 2. 多模态大模型在自动驾驶场景中的适配和优化：如：大模型指令微调和策略迭代、开放场景下的目标识别技术等，以适应不同的自驾场景，并提高模型的鲁棒性和泛化能力。 3. 基于生成模型的离线感知能力建设，研发基于扩散模型的场景生成技术和仿真技术。开发离线生成-真实数据闭环系统。
1.负责研发和落实理想汽车下一代自动驾驶端到端VLA大模型算法，确保在车载和云端平台的成功部署。 2.专注于端到端大模型自动驾驶系统的算法开发和优化，包括但不限于端到端模型、多模态大模型等领域。 3.参与大规模自动驾驶数据集的处理、标注及管理，优化大模型以提升自动驾驶系统的性能。 4.持续关注并跟踪自动驾驶及人工智能领域的最新技术进展，进行技术调研及新技术的原型验证。
该职位专注于自动驾驶场景下多模态大模型（VLA：Vision-Language-Action）的工程化落地，你将有机会在千万级数据上实车验证关于自动驾驶VLA的最新想法： 多模态模型工程化部署：结合视觉、语言与行为动作的联合建模机制，优化多模态模型的推理效率，支持自动驾驶系统的实时应用； 实车测试与性能验证：参与自动驾驶场景中的模型测试与性能评估，设计测试案例，分析模型在实际驾驶环境中的响应能力与行为决策效果； 数据采集与处理：负责多模态数据（视觉、语言、行为）的采集、标注与处理，构建高质量数据 pipeline，优化数据流的实时性与稳定性； 模型优化与轻量化：探索模型蒸馏、小样本泛化等技术，提升模型在自动驾驶复杂场景中的部署效率与资源利用率； 系统集成与技术支持：协助完成多模态模型与自动驾驶系统的集成测试，解决工程化落地过程中的技术问题； 技术文档与成果转化：撰写工程化技术文档，总结实车测试经验，参与技术报告、专利申请或产品转化工作。