小米顶尖应届-预测大模型工程师-汽车
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…
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。 【课题名称】 L3自动驾驶关键技术研究-预测大模型 【课题内容】 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. 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。 【课题名称】 L3自动驾驶关键技术研究-预测大模型 【课题内容】 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. 结合最新 VLM/VLA 技术，设计自驾 VLM/VLA 云端大模型技术路线； 2. 针对高优场景及控车预测任务，设计模型训练迭代计划； 3. 交付满足评测指标的云端模型。 【课题名称】 云端 VLM/VLA 多模态大模型 【课题内容】 面向自驾场景理解及控车 Action预测任务，构建并优化云端 VLM/VLA 大模型，提升识别及预测准确率。
1. 高精度时序测量与建模技术：研发基于软硬件结合的混合测量架构，精准测量任务/中断执行时序和时间，同时设计任务/中断最大执行时间分析数学模型，构建任务/中断执行时序特征数据库； 2. 实时操作系统的编译代码优化与缓存命中率提升技术：旨在通过静态/动态分析、硬件协同等验证技术，增强多核系统中指令与数据缓存的可预测性，从而保障任务最坏执行时间分析的精确性与时序确定性； 3. 基于AI的多核调度优化引擎：通过建立多核任务/中断的数学模型，结合AI算法，创新性实现基于调度时序特征提取的调度优化机制，保证软件系统调度确定性；实时系统中缓存时序攻击的防御机制研究 ：通过硬件辅助、软件层干扰检测及调度算法优化，在多核系统中实现安全敏感代码的时间确定性保障； 4. 跨域时间敏感任务调度框架：针对车载多域控制器需求，实现基于以太网时钟同步的全局调度协调器。 【课题名称】 实时操作系统时间分析和优化 【课题内容】 本课题致力于解决嵌入式系统在复杂工况下面临的时序不确定难题，提升操作系统的实时性，保证系统内和跨系统交互的端到端的实时性能达标、稳定，让整车功能更精准的控制和响应。
1. 设计构建针推荐问题的大模型生成式架构，评价方法、数据集和指标； 2. 使用预训练，监督微调和强化学习等方法，提升模型在评测数据和线上指标的效果； 3. 使用多模态编码，prompt压缩等方法提升大模型预测的性能指标，降低成本。 【课题名称】 生成式大模型在推荐领域的应用研究 【课题内容】 该课题旨在实现一个以大模型为基础，基于对用户所处环境，设备信息和行为历史的理解，为用户推荐音乐、视频等内容以及个性化的IoT操作建议等。区别于传统的推荐算法使用级联式设计，该课题希望通过大模型实现生成式、端到端的推荐系统，使用包括预训练，监督微调和强化学习的方法，提升预测准确率，并降低预测成本。