任职要求：

1.基于强化学习（RL）算法（如PPO、SAC、MuZero、GRPO、DPO等）研发自动驾驶决策与控制模型，优化车辆在复杂场景下的行为策略。

2.构建高真实度的自动驾驶场景生成系统，结合Diffusion模型（DDPM、DDIM、CFG）、Flow Matching/ Rectified Flow及DiT架构生成多样化、高保真的动态驾驶场景。

3.开发并优化World Models（世界模型），利用VLA（视觉-语言-动作模型）、VLM（视觉-语言模型）技术实现环境感知与决策的端到端建模。

4.探索多模态大模型（如Qwen/QwQ/QvQ、LLaMA、Gemini、Phi-4、Lingo-2、InternLM/InternVL、EMMA）在自动驾驶仿真、场景理解与策略生成中的应用。

5.设计Sim Agents（仿真智能体）驱动的闭环测试框架，结合AlphaZero/MuZero等算法实现仿真环境中的自博弈训练与策略迭代。

6.推动前沿技术落地，解决自动驾驶长尾场景问题，提升算法在极端工况下的泛化能力与安全性。

任职要求：

1.计算机科学、人工智能、自动化等相关专业硕士及以上学历，具有RL/自动驾驶算法研发经验优先。

2.精通深度强化学习算法（PPO、SAC、DDPG、MuZero等）及多智能体协同训练框架，熟悉离线强化学习（如DPO）优先。

3.熟悉Diffusion Models、World Models技术栈，有DiT、Rectified Flow、场景生成项目经验者优先。

4.熟练使用PyTorch/TensorFlow等框架，具备大规模分布式训练（如多机多卡RL训练）经验。

5.熟悉自动驾驶仿真工具链（CARLA、SUMMIT、AirSim等），掌握场景生成、场景挖掘与闭环测试方法。

6.具备多模态大模型（如LLaMA、Gemini、Qwen系列）调优或轻量化部署经验者优先。

加分项：

1.在顶会（NeurIPS、ICML、CVPR、ICLR等）发表过RL、生成模型或自动驾驶相关论文。

2.熟悉Lingo-2、EMMA等自动驾驶专用大模型，或参与过InternLM/InternVL等开源项目。

3.有智能驾驶量产项目经验，或主导过仿真场景生成、数字孪生系统开发。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录