算法 jobs (salary & requirements)

应届生请关注校招渠道，请勿投递！！！可选base：芜湖，合肥，上海核心职责：1. VLA模型研发与创新： 研究、设计、实现和优化应用于自动驾驶的VLA模型架构，探索视觉、语言（指令、场景描述、交通规则）与驾驶动作（规划轨迹、控制指令）之间的高效对齐与映射机制。 开发基于大规模多模态数据（图像/视频、文本描述、驾驶行为序列、场景语义）的模型预训练、微调与提示工程技术。 探索VLA模型在自动驾驶核心任务中的应用，如：场景理解与描述、驾驶指令理解与执行、复杂交互意图预测、端到端规划决策、可解释性驾驶行为生成等。2. 算法开发与实现： 将前沿的VLA研究成果转化为可应用于实际自动驾驶系统的算法模块。 开发高效的数据处理、特征提取、模型训练与推理流程。 针对车载计算平台进行模型优化（如剪枝、量化、蒸馏），满足实时性要求。3. 数据集构建与管理： 设计并推动构建高质量、大规模的自动驾驶多模态数据集（视觉+语言标注+动作序列）。 参与数据采集、清洗、标注策略制定与质量评估。4. 系统集成与验证： 将VLA算法模块集成到自动驾驶软件栈中，与感知、预测、规划、控制模块进行协同。 设计离线与在线评估指标，在仿真环境和实车平台上进行算法性能的全面测试、分析与迭代优化。5. 前沿追踪与分享： 持续跟踪计算机视觉、自然语言处理、多模态学习、强化学习及自动驾驶领域的*新进展，特别是VLA相关的研究。 在团队内部分享知识和技术洞察，推动团队整体技术水平提升。任职要求：1. 教育背景： 计算机科学、人工智能、机器人学、电子工程、应用数学或相关领域的硕士及以上学历，博士优先。2. 技术能力： 深度学习基础扎实：精通深度学习理论基础（CNN, RNN/LSTM, Transformer, Attention等）和主流框架（PyTorch/TensorFlow）。 多模态学习经验：深入理解并具备视觉-语言模型（如CLIP, BLIP, Flamingo, LLaVA等）或VLA相关模型的研发经验。熟悉多模态表示学习、对齐、融合等技术。 编程能力：精通Python编程，具备优秀的软件工程能力和良好的代码习惯。熟悉Linux开发环境。 数据处理能力：熟练处理大规模数据集，熟悉相关工具和流程。3. 领域知识 (至少满足一项)： 对自动驾驶核心技术栈（感知、预测、规划、控制）有深入理解。 具备机器人学习、强化学习（RL）或模仿学习（IL）经验，特别是与动作生成/决策相关。 在计算机视觉（目标检测、分割、场景理解等）或自然语言处理（语义理解、文本生成等）方向有深入研究背景。4. 经验要求： 本科3年及以上，硕士需1年以上，博士应届及以上相关领域（多模态学习、大模型、自动驾驶算法、机器人决策等）的算法研发经验。有实际VLA项目经验者优先。5. 个人素质： 出色的分析和解决复杂问题的能力。 强烈的自驱力、创新意识和探索精神，对前沿AI技术充满热情。 优秀的沟通能力和团队协作精神。 良好的英语读写能力，能够阅读前沿论文和技术文档。加分项1. 有端到端自动驾驶、基于学习的决策规划模型研发经验。2. 在顶级会议（CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, CoRL, RSS, ICRA, IROS等）发表过多模态学习、VLA、自动驾驶相关论文。3. 具备大模型（LLM, VLM）训练、调优、部署经验，熟悉相关工具链（Hugging Face, DeepSpeed, Megatron-LM等）。4. 熟悉自动驾驶仿真工具（CARLA, VTD, LGSVL等）和测试验证流程。5. 有车载嵌入式平台（如NVIDIA DRIVEin/Thor, Qualcomm Ride等）算法部署优化经验。6. 具备领导或指导初级工程师的经验。