自动驾驶研发工程师（大模型）-上海

职位描述 1. 参与以下自动驾驶大模型工作中的至少一项： 1）参与推进感知—预测—规划—控制与端到端/多模态大模型（VLM/VLA/World Model/Diffusion Policy）的建模与迭代，面向量产闭环落地； 2）参与构建与优化时序/多传感器表征（3D检测、跟踪、Occupancy/Flow、交互预测、轨迹生成），兼顾安全、舒适、效率等多目标； 3）参与多模态大模型（VLA/VLM/World Model/Diffusion）在车端AI芯片或云端芯片上的工程落地和推理加速方案； 跟踪前沿的大模型、高性能计算方向技术，调研并落地到模型加速上，包括但不限于LLM推理框架、投机采样、模型压缩、蒸馏、软件系统优化、结合硬件特性的高性能优化等方向； 4）参与训练与推理工程化相关工作：PyTorch→部署（ONNX/TensorRT）、蒸馏与量化（FP8/INT8）、算子与内存优化、A/B Test 等工程化落地； 5）设计适合车端和云端大模型部署的软件架构，支撑低时延、高吞吐的部署要求，将其性能优化到极致； 6）参与端到端模型/多模态大模型的模型训练和评测，使用RL、SFT等方法持续提升模型性能。 2. 与平台/软件/测试等多团队协同，沉淀技术文档与上线方案，持续度量并改善关键指标。 职位要求 1. 学历：计算机/人工智能/机器学习/机器人/自动化/电子信息/数学等相关专业本科/硕士/博士； 2. 符合以下条件之一： 1）算法基础：扎实的数据结构与算法能力，概率统计、最优化、线性代数与微分方程基础牢靠； 2）深度学习：熟练使用 PyTorch（必需）；理解 Transformer/扩散模型/自监督/对比学习等至少一种主流方法，并能动手复现与改进； 3）编程能力：Python 熟练；具备 C++ 与 Linux 实战能力者优先； 4）高性能计算：精通计算机体系结构，对NV GPU、NPU等AI芯片有深入理解，熟练开发CUDA； 5）大模型优化：熟悉主流多模态大模型，有大模型优化落地项目或研究成果； 6）熟悉自动驾驶相关技术和算法，包括数据融合、情景分析、决策规划等。 同时希望你具有： 1）论文与落地意识：能将前沿论文转化为可复现实验与可量化指标；具备清晰的失败分析与调参思路； 2）沟通协作意识：结果导向，能在多团队协同下快速迭代，尊重数据与实验。 加分项： 1）参与过自动驾驶/机器人相关实习或项目，有真实道路数据或车端部署经验； 2）在CVPR/NeurIPS/ICLR/ICML/CoRL/RA-L等顶会投稿/发表过论文，或竞赛优胜，或是影响力开源项目维护者；参与过ACM/编程算法比赛并获奖。