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。 加分项： 1. 具有实车联调优化经验； 2. 有较强的研究能力优先，如在顶会发表过论文； 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。 【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. 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。
1. 多模态数据采集与建模：构建涵盖用户生理信号（如心率、呼吸）、运动数据（如步频、速度）与生活作息的多模态数据体系，并开展数据清洗、特征提取与标准化处理，支撑模型训练； 2. 领域大模型设计与训练：基于运动健康领域知识，设计融合序列建模与语义理解能力的预训练大模型，支持个性化健康状态建模与意图识别； 3. 健康状态分析与趋势预测：构建面向个体的健康评估与发展趋势预测算法，实现对当前生理状态的精准分析及中短期风险预警； 4. 智能建议生成机制：结合模型输出结果与领域知识库，构建多维度个性化运动健康建议生成机制，覆盖运动计划、生活方式调优等方面； 5. 系统集成与效果验证：完成运动健康助手系统原型集成，开展多轮真实用户验证与效果评估，验证模型在实用性、准确性和用户可理解性方面的有效性。 【课题名称】 可穿戴运动健康AI大模型 【课题内容】 针对用户日常生活与运动场景，基于生理信号、运动行为与作息规律等用户数据，构建并训练具备领域知识的大模型，可以精准理解用户在运动健康方面的需求意图，结合当前状态实现健康状况分析与未来趋势预测，提供个性化、科学化的干预建议，构建专业、智能、可交互的运动健康AI助手。