岗位职责 1.多模态大模型基座训练研发：负责自动驾驶多模态大模型基座设计、预训练体系搭建与策略制定，主导大规模预训练、场景微调及对齐优化，持续提升模型泛化性、鲁棒性与场景精度； 2.分布式训练工程优化：基于FSDP、DDP、Megatron-LM实现多机多卡分布式训练，解决显存瓶颈、算力低效、训练震荡、收敛异常等问题，保障训练稳定，优化训练成本与效率，负责任务调度与异常排查； 3.多模态训练数据建设：搭建视觉、激光雷达、IMU自动驾驶多模态标准化数据集，完成数据清洗、质量筛选、样本均衡与长尾挖掘，优化复杂场景数据适配能力； 4.场景训练难题攻关：针对自动驾驶极端工况、长尾场景、域偏移等核心痛点，从数据、训练策略、模型结构多维度优化，适配感知、决策、规划任务，提升模型安全性与场景适配能力； 5.训练体系沉淀迭代：跟进多模态大模型、强化学习前沿技术并落地转化，沉淀训练调优方法论、数据工具与监控体系，搭建标准化可复用的训练研发流程； 6.跨团队协同迭代：配合上下游团队输出优质模型权重，根据落地反馈迭代训练策略，平衡模型精度与性能，支撑自动驾驶端到端方案迭代升级。 任职要求 1.2027届硕士及以上学历，计算机、人工智能、自动化、电子信息、应用数学等相关专业；具备多模态大模型预训练、微调、分布式训练实战经验，有自动驾驶相关经验优先； 2.核心能力：精通深度学习与多模态大模型理论，熟练掌握预训练、微调、超参调优、模型对齐技术，熟悉分布式训练收敛与稳定性优化方案； 3.工程能力：熟练使用Python/C++、PyTorch；掌握FSDP、DDP、Megatron-LM等训练框架，具备海量数据处理、大规模模型训练、算力显存优化及异常排查能力； 4.业务认知：了解自动驾驶感知、决策、规划业务流程，可结合场景针对性优化模型训练方案。 加分项 1.参与/主导过多模态基座大模型预训练，有大规模多机多卡训练经验，熟悉MoE稀疏训练优先； 2.有自动驾驶多模态训练经验，熟悉激光雷达+视觉融合训练、长尾场景优化、域自适应训练优先； 3.具备大模型训练工具链开发、集群优化、训练运维能力，可独立搭建标准化训练体系优先； 4.在顶会（NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV、IV、ICRA 等）发表过大模型、自动驾驶相关论文，或拥有相关核心专利者优先； 5.熟悉自动驾驶端到端模型、强化学习训练范式，有落地迭代经验优先。