顶尖应届-算法优化工程师-自动驾驶

1、主导自动驾驶算法的有损优化研发，核心负责低精度训练、网络结构优化、MTP投机采样等技术的设计、实现与迭代，在可控精度损失范围内，降低模型算力消耗、存储占用，提升推理与训练效率，适配车规级部署需求； 2、深入分析自动驾驶算法的性能瓶颈，结合车规级硬件特性，设计针对性的有损优化方案，协同量化、MTP等技术，实现模型性能与硬件算力的最优匹配； 3、跟踪行业前沿优化技术，开展技术预研与落地验证，输出技术调研报告与优化方案，推动团队技术能力迭代；结合自动驾驶场景特点，优化方案适配复杂真实路况； 4、搭建优化效果评估体系，量化分析模型优化后的精度、速度、算力消耗等指标，建立精度损失阈值标准，推动优化方案的测试、迭代与上车落地，协同测试、工程、硬件团队完成闭环验证； 5、跨团队协作，对接感知、规控、硬件部署等团队，推动优化方案的协同落地。 【任职要求】 1、基础功底扎实：精通深度学习核心理论，深入理解神经网络训练原理、损失函数设计，熟练掌握PyTorch等主流深度学习框架，至少一种LLM后训练实践（SFT或RLHF/RLAIF/奖励建模/DPO等），重视训练-评测落地能力，能独立完成模型训练、调优全流程； 2、编程与工程能力：精通Python、C/C++编程，具备良好的代码风格与工程实践能力，熟悉Linux开发环境，能独立开发、调试优化工具与算法； 3、数学基础：具备扎实的线性代数、概率论、微积分、凸优化基础，能理解并推导优化算法核心公式，具备独立分析和解决技术难题的能力。