1. 参与主动安全端到端模型的算法研发，包括模型结构设计、训练策略优化、多模态数据融合、模型压缩、推理加速等工作； 2. 参与主动安全数据的预训练、微调（SFT/RLHF 等）方案设计与实验验证； 3. 参与解决人驾、智驾下的主动安全问题，保障智驾、人驾下的行车安全； 4. 探索大模型在风险评估、场景理解、行为预测、轨迹规划、Corner Case 泛化能力提升等方向的应用； 5. 跟踪学术界与工业界大模型、具身智能、自动驾驶前沿技术进展，输出技术调研与可行性分析； 6. 与数据、仿真等团队协作，完成算法从研发到落地的全流程工作。

基本要求： 1. 计算机科学、人工智能、自动化、电子信息、数学、车辆工程等相关专业，硕士及以上学历（优秀本科生可放宽）； 2. 具备机器学习/深度学习基础，熟悉 Transformer、CNN 等主流模型结构原理； 3. 熟练使用 PyTorch 或其他主流深度学习框架，具备良好的工程编码能力（Python，熟悉 C++ 优先）； 4. 了解主动安全应用场景，了解自动驾驶中需要关注的安全问题； 5. 良好的英文文献阅读能力，能够跟进并复现前沿论文； 6. 具备良好的沟通协作能力和问题分析能力，能够在跨团队协作中清晰表达技术思路。 加分项（以下满足任一项优先考虑） 1. 有大模型应用到主动安全领域的研究经验或者相关实习经验、项目经验者优先； 2. 有大语言模型（LLM）、多模态大模型（VLM/VLA）、世界模型（World Model）相关的研究或项目经验； 3. 有自动驾驶感知（BEV、Occupancy、3D 检测）、规划控制、端到端自动驾驶相关研究或实习经验； 4. 有顶会论文、算法专利、开源项目贡献者优先；有相关竞赛参赛获奖经历者优先。