智能辅助驾驶端到端算法开发实习生

1. 工作内容 （1）参与一段式端到端智能辅助驾驶模型的设计、开发与实验，理解基于自回归（AR）或 Diffusion 架构的端到端轨迹生成与决策建模原理。 （2）负责模型训练、调参、评估与迭代，分析模型在不同驾驶场景下的表现并持续优化。 （3）参与智能辅助驾驶数据处理，包括数据清洗、场景分类、困难样本挖掘、数据配比及训练集构建。 （4）结合模型输出、评测指标和可视化结果进行问题分析，从模型结构、训练策略和数据分布等方面提出改进方案。 （5）跟进并复现端到端智能辅助驾驶、轨迹预测、规划决策、生成式模型及强化学习等相关方向的前沿论文。 2. 任职要求 （1）计算机、人工智能、自动化、车辆工程等相关专业，本科高年级、硕士或博士在读。 （2）熟练使用 Python，掌握 PyTorch，具备良好的代码实现和调试能力。 （3）具备深度学习模型训练经验，有以下任一方向的项目、实习或论文经历：智能辅助驾驶端到端、轨迹预测或规划决策，Diffusion、Flow Matching 等生成式模型，VLM、VLA、World Model，强化学习。 （4）具备良好的论文阅读、算法理解和实验复现能力。 （5）具备一定的数据处理和实验分析能力，能够根据模型结果定位问题并提出优化方案。 （6）对智能辅助驾驶端到端模型方向有兴趣，实习时间不少于 3 个月。 3. 加分项 （1）有一段式端到端智能辅助驾驶模型开发经验。 （2）有基于图像、导航信息和历史轨迹预测未来轨迹的相关经验。 （3）有 Diffusion、轨迹生成、视频生成或序列生成模型经验。 （4）有 DPO、GRPO 等强化学习或偏好优化训练经验。 （5）有智能辅助驾驶数据清洗、困难样本挖掘、数据配比或模型结果分析经验。 （6）有相关论文、开源项目或算法竞赛经历。 【任职要求】 2. 任职要求 （1）计算机、人工智能、自动化、车辆工程等相关专业，本科高年级、硕士或博士在读。 （2）熟练使用 Python，掌握 PyTorch，具备良好的代码实现和调试能力。 （3）具备深度学习模型训练经验，有以下任一方向的项目、实习或论文经历：智能辅助驾驶端到端、轨迹预测或规划决策，Diffusion、Flow Matching 等生成式模型，VLM、VLA、World Model，强化学习。 （4）具备良好的论文阅读、算法理解和实验复现能力。 （5）具备一定的数据处理和实验分析能力，能够根据模型结果定位问题并提出优化方案。 （6）对智能辅助驾驶端到端模型方向有兴趣，实习时间不少于 3 个月。 3. 加分项 （1）有一段式端到端智能辅助驾驶模型开发经验。 （2）有基于图像、导航信息和历史轨迹预测未来轨迹的相关经验。 （3）有 Diffusion、轨迹生成、视频生成或序列生成模型经验。 （4）有 DPO、GRPO 等强化学习或偏好优化训练经验。 （5）有智能辅助驾驶数据清洗、困难样本挖掘、数据配比或模型结果分析经验。 （6）有相关论文、开源项目或算法竞赛经历。