小米预测大模型实习生
任职要求
1、计算机、自动化、车辆工程等相关专业； 2、有自动驾驶行为预测方面的研究或者开发经验； 3、熟悉深度学习框架，熟悉CNN、LSTM、GRU、Transformer等网络结构及其训练； 4、良好的沟通能力和团队协作能力； 加分项： 1、具有实车联调优化经验； 2、有较强的研究能力优先，如发表过论文； 3、熟悉TensorFlow,PyTorch等框架实现原理，能够实现高效训练代码； 4、在ACM-ICPC、TopCoder等竞赛中获得过优异成绩。
工作职责
1、负责自动驾驶场景下预测大模型的研发； 2、相关数据指导采集、汇总； 3、定位、感知、规控等上下游模块联和调优； 4、负责探索前沿预测算法，更好的解决实际的路测问题。
1. 探索自动驾驶世界模型的前沿算法与应用，包括但不限于场景生成、未来预测、场景重建、强化学习等前沿算法的研究； 2.探索视觉基座大模型的前沿算法与应用，包括但不限于depth/semantic/flow等方向，同事探索 3.探索多模态大模型的前沿算法与应用，包括但不限于在数据挖掘、场景理解方面的应用
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、开发自然科学的基础大模型，用于蛋白质结构预测、分子构象生成和蛋白质设计； 2、利用公共基准和数据库评估新的AI/ML方法； 3、与多学科团队密切合作，将创新算法应用于解决前沿挑战。
此项目拟研究车路协同场景下的交通多模态感知大模型技术，通过将海量路测数据进行自动化处理和分析，并采用端到端以及数据驱动的技术架构去还原交通目标精确的三维信息以及分析各种复杂的交通场景，为交通管理者提供更准确和及时的决策支持，提高交通流量管理的效率。项目包含且不限于如下关键课题： 1）交通多模态预训练技术； 2）统一物理空间特征融合感知技术； 3）长时序特征融合感知技术； 4）道路空间状态预测大模型技术。
1、负责开发交互式多模态轨迹预测、意图预测等技术； 2、负责预测模型的预训练，预测大模型研发； 3、负责end-2-end自动驾驶算法研发； 4、追踪自动驾驶行业和深度学习技术的最新进展，力争打造菜鸟无人驾驶系统，开创未来无人物流的新格局。