自动驾驶数据挖掘算法开发实习生（LLM/VLM方向）-2027届

1、大模型赋能数据挖掘研发：基于LLM、VLM多模态大模型，针对自动驾驶海量路测数据、场景数据开展智能数据挖掘算法研发，替代传统规则化挖掘方式，优化数据挖掘效率与精准度。 2、原子场景模型微调与训练优化：拆解自动驾驶各类复杂驾驶场景，提炼标准化原子场景单元，负责数据集清洗、筛选、标注规整，独立完成LLM/VLM模型的训练、微调、参数调优与场景适配迭代，持续提升场景数据挖掘的准确率、召回率，保障挖掘结果满足自动驾驶算法迭代、场景库建设的核心需求。 3、挖掘需求抽象与可复用模板搭建：对接自动驾驶各业务线数据挖掘需求，摒弃单次零散化挖掘模式，负责抽象、归纳各类场景挖掘需求的通用逻辑与核心规则，拆解、提炼标准化流程，搭建可复用、可迭代的场景数据挖掘模板库，实现不同业务需求的快速适配、复用，提升团队数据挖掘整体效率与标准化程度。 4、前沿算法调研与工程落地：持续跟踪自动驾驶场景分析、多模态识别、智能数据挖掘领域前沿算法与技术，结合业务现有挖掘链路，完成新算法的适配、改造、验证与工程化落地，迭代优化现有数据挖掘流水线。 5、常规技术支撑：配合团队完成数据评测、场景效果分析、技术文档撰写、算法迭代效果汇报等日常工作，保障算法研发与落地工作有序推进。 【任职要求】 一）基础通用要求 1、本科及以上在读，计算机、人工智能、自动化、机器学习、计算机视觉、统计学等相关专业。 2、具备扎实的深度学习、机器学习、计算机视觉基础理论知识，熟悉大模型、多模态算法基本原理。 3、熟练掌握Python开发，熟悉PyTorch/TensorFlow主流深度学习框架，熟练使用Linux开发环境，熟悉常用数据处理工具。 4、逻辑思维清晰，具备优秀的抽象归纳、问题分析和算法工程落地能力，对自动驾驶场景数据敏感，具备较强的标准化、体系化搭建思维。 5、工作认真负责、主动性强，具备良好的沟通能力和团队协作能力，能承受一定的研发迭代压力。 6、实习时间：每周 ≥ 4 天，稳定 ≥ 3 个月 （二）核心专业要求 1、大模型训练与挖掘能力：了解LLM大语言模型、VLM多模态大模型技术原理与训练流程，具备完整的大模型数据预处理、模型训练、微调、Prompt工程、模型适配相关实践经验，能够基于大模型完成自动驾驶场景数据训练与智能挖掘。 2、需求抽象与模板化沉淀能力：具备业务需求抽象归纳能力，能够从各类自动驾驶挖掘需求中提炼通用范式，设计、搭建和迭代标准化可复用挖掘模板，实现场景挖掘能力的模块化、常态化复用，规避重复开发，提升挖掘链路整体效率。 3、前沿算法与工程落地能力：持续关注自动驾驶场景识别、多模态理解、智能数据挖掘前沿技术，具备算法调研、复现、改造及工程化落地能力，可将新算法无缝集成至现有数据挖掘链路。 4、量化优化能力：熟悉模型效果评估体系，能够通过准召率、覆盖率等核心指标量化分析挖掘效果，针对性完成模型与策略迭代优化。 （三）优先加分项 1、有自动驾驶、智能驾驶场景数据挖掘、场景理解、多模态算法研发实习或项目经验者优先。 2、有LLM/VLM微调、多模态数据筛选、智能样本挖掘、数据闭环搭建相关实战经验者优先。 3、熟悉自动驾驶典型场景（高速、城市道路、泊车等）、交通参与者特征及数据挖掘流程者优先。 4、有顶会论文阅读、算法复现、工程化落地相关经验者优先。