小米顶尖应届-端到端算法研究员-自动驾驶
任职要求
1. 计算机，人工智能相关专业； 或物理学，数学等基础学科博士毕业； 2. 扎实的神经网络相关的基本功，信息论/概率论/线性代数/深度学习/机器学习等； 3. 精通自动驾驶或相关领域一个或多个技术栈（生成模型/世界模型，VLA，自监督表示学习，E2E自动驾驶）。 加分项： 1. NIPS/CVPR/ICLR等顶会上，有E2E自动驾驶相关Oral或Spotlight文章； 2. 数学/物理奥赛取得优异成绩。
工作职责
1. 负责E2E模型的架构设计，算法的实现与落地； 2. 负责相关学术文档，方法论的研究和调研，形成技术文档/论文； 3. 针对自动驾驶痛点场景，提出可行的解决方案，与量产同学配合完成预研的量产转化； 4. 在数据驱动方面，帮助数据团队建立符合e2e需要的优质数据标准。 【课题名称】 E2E One Model方案设计与实现 【课题内容】 1. 纯E2E的自动驾驶方案，视觉输入，control输出； 2. 探索感知和planning联合训练的E2E范式上限； 3. 在舒适度/决策时机的准确性/横纵向联合规划/长期意图的表示/感知与规划的自监督学习等关键场景，体现出纯E2E方案的优势。
1. 负责E2E模型的架构设计，算法的实现与落地； 2. 负责相关学术文档，方法论的研究和调研，形成技术文档/论文； 3. 针对自动驾驶痛点场景，提出可行的解决方案，与量产同学配合完成预研的量产转化； 4. 在数据驱动方面，帮助数据团队建立符合E2E需要的优质数据标准。 【课题名称】 E2E One Model方案设计与实现 【课题内容】 1. 纯E2E的自动驾驶方案，视觉输入，control输出； 2. 探索感知和planning联合训练的E2E范式上限； 3. 在舒适度/决策时机的准确性/横纵向联合规划/长期意图的表示/感知与规划的自监督学习等关键场景，体现出纯E2E方案的优势。
1. 追踪前沿强化学习的进展； 2. 搭建适合大规模强化学习的训练框架； 3. 探索在自动驾驶这种安全敏感任务中强化学习的应用方式。 【课题名称】 超大规模强化学习及在自动驾驶中的应用 【课题内容】 研究各种Zero范式在Physical AI中的应用，探索Self-Play在海量算力支持下的能力边界。
1. 追踪前沿强化学习的进展； 2. 搭建适合大规模强化学习的训练框架； 3. 探索在自动驾驶这种安全敏感任务中强化学习的应用方式。 【课题名称】 超大规模强化学习及在自动驾驶中的应用 【课题内容】 研究各种Zero范式在Physical AI中的应用，探索Self-Play在海量算力支持下的能力边界。
1. 参与研究与开发融合视觉与语言理解的端到端自动驾驶新范式； 2. 负责视觉语言大模型（VLA）相关算法的设计、实现与优化，提升模型的环境感知、决策规划能力； 3. 探索如何利用VLA增强自动驾驶系统的泛化能力及人机交互的自然性； 4. 参与相关数据集的构建、处理以及模型在真实场景中的部署与测试； 5. 跟踪VLA及相关领域（多模态学习、大模型等）的前沿技术动态； 6. 发表高水平论文至国际顶会顶刊，参加相关领域的国内外顶级学术会议。 【课题名称】 自动驾驶VLA大模型预研 【课题内容】 探索融合视觉语言行为大模型（VLA）至端到端自动驾驶的新范式，实现更强的自动驾驶泛化能力和更自然的交互方式。