【27届校招】 算法工程师（自动驾驶仿真）

工作职责 仿真场景与评价算法研发 参与自动驾驶仿真平台中场景生成/泛化算法（如基于数据驱动的场景编辑、对抗性场景挖掘）、评价指标体系（如闭环通过率、复现率、漏报率）的设计与实现，推动仿真结果向真实路测能力的有效迁移。 大规模分布式仿真调度策略优化 协助设计面向海量仿真任务（SIL/HIL）的智能调度与算力管理策略，优化任务排队、资源利用率与数据流吞吐，支撑日产千级 Case、长里程持续累积的仿真规模。 闭环仿真链路与数据接口开发 参与仿真与算法团队（感知、规控、云端）的数据交互协议与 API 定义，保障仿真软件在不同硬件平台（HIL 节点、GPU 集群）上的高一致性与高可靠性，协同定位复现率、diff 等指标异常。 算法预研与模型验证支持 配合预研方向（如生成式仿真、神经渲染、端到端评测）进行实验设计、训练任务管理与结果分析，输出可落地的性能结论，辅助架构选型与训练方案决策。 【任职要求】 基本条件 2027 年应届毕业生，计算机科学、软件工程、人工智能、自动化、数学等相关专业，硕士及以上学历优先。 扎实的编程与算法功底：精通 Python、C++、Go、Java 中至少一种语言，熟练掌握常用数据结构、算法及设计模式，具备良好的工程编码习惯。 深入理解 Linux 操作系统原理（进程/线程调度、内存管理、I/O 模型）及网络协议（TCP/IP、HTTP、gRPC 等），能够进行问题定位与性能调优。 2. 加分项（仿真/算法相关） 机器学习与深度学习基础：了解常见模型训练流程、损失函数、优化器，具备使用 PyTorch/TensorFlow 进行实验的经验；对生成模型（Diffusion、GAN）、计算机视觉或强化学习有初步了解者优先。 分布式计算与仿真调度：理解分布式系统基本概念（一致性、容错、任务调度），有 Ray、Spark 或类似框架使用经验者优先；熟悉 Kubernetes/Docker 容器化部署者更佳。 仿真/自动驾驶背景：了解 SIL/HIL 仿真基本流程、场景编辑或评价指标（如复现率、通过率、轨迹误差）者优先；有 CarSim/SUMO/ROS/Apollo 等工具经验者可加分。 后端与数据基建：了解 MySQL/PostgreSQL、Redis、Kafka/RabbitMQ 等数据存储与消息中间件基本原理，能配合搭建仿真数据 pipeline。 3. 现代工程素养与软实力 AI 提效能力：具备将 AI 工具（Copilot、ChatGPT 等）融入日常研发的习惯，能够高效完成代码编写、单元测试生成、Bug 排查及技术调研，加速迭代效率。 极强的学习与自驱力：对自动驾驶仿真、算法评测有浓厚兴趣，乐于钻研前沿技术，能快速从论文/文档中提炼可落地方案。 团队协作与沟通能力：责任心强，善于跨团队（算法、平台、测试）协作，清晰表达技术方案与实验结论。