【岗位职责】 本岗位参与面向全球市场的自动驾驶VLA研发与落地。团队围绕多模态场景理解、时序建模、决策与动作生成，开展数据构建、模型训练、评测验证及车端部署，持续提升模型在不同地区道路环境和复杂交互场景下的泛化能力与运行可靠性。 我们期待对物理人工智能（Physical AI）、自动驾驶或具身智能具有明确兴趣的应届毕业生加入，从具体模型任务和场景问题出发，逐步建立覆盖数据、训练、评测与部署的全链路研发能力。 岗位职责 1. 场景分析与数据挖掘 参与全球市场驾驶场景及模型失败案例分析，识别区域差异、长尾场景和数据覆盖不足的问题。利用多模态大模型、向量检索、场景分类与聚类等方法，开展数据挖掘、清洗、筛选、质量检查及训练集构建。 2. 模型开发与训练迭代 参与 VLA 及相关视觉、多模态、动作生成模型的开发与训练，包括数据配方设计、监督微调、持续训练及后训练方法探索。通过对照实验和消融分析，定位性能瓶颈并验证改进方案。 3. 模型评测与泛化分析 参与离线评测、场景专项评测、闭环仿真及回归验证，分析模型在不同地区、道路类型和交通交互条件下的表现。建设可复现的评测流程，跟踪模型版本变化及关键场景的性能回归。 4. 模型优化与部署验证 参与模型导出、量化、推理优化及车端部署验证，协助排查训练与推理结果不一致、量化精度回退、时延和内存瓶颈等问题，推动模型在目标硬件平台上稳定运行。 5. 研发工具与问题闭环 开发和维护数据处理、训练及评测相关工具，完善实验记录、配置管理和模型版本管理。与数据、仿真、基础设施及部署团队协作，主动同步进展、识别风险并推动问题解决。 【任职要求】 1. 计算机科学、人工智能、自动化、机器人、电子工程、数学及相关专业背景，具备扎实的编程、数学和机器学习基础。 2. 熟悉 Python，能够使用 PyTorch 等深度学习框架开展模型训练、评测和调试；了解计算机视觉或深度学习模型的基本原理与开发流程。 3. 对物理人工智能、自动驾驶或具身智能具有持续兴趣，愿意围绕实际项目需求学习多模态建模、决策学习、数据工程及模型部署相关技术。 4. 具备较强的主动性和责任意识，能够主动识别问题、提出验证思路、沟通任务优先级，及时反馈进展与阻塞，并持续推动任务取得结果。 5. 具备良好的分析和排障能力，能够通过资料调研、代码分析、对照实验及结果复盘解决问题；重视数据质量、实验可复现性和工程实现质量。 6. 具备良好的沟通协作能力，能够清晰说明技术方案、实验结论及待解决问题，并与不同职能团队有效配合。 加分项： 1. 在计算机视觉、LLM/VLM/VLA、生成模型、World Model、模仿学习或强化学习等方向具有科研、实习或项目经验。 2. 具有数据挖掘、向量检索、场景分类、模型评测或训练流水线建设经验。 3. 熟悉 C++、Linux、ONNX、TensorRT，或具有模型量化、推理加速、机器人及边缘设备部署经验。 4. 有能够体现独立思考、动手实现和持续改进能力的项目成果、论文或开源贡献。