小鹏汽车

职位描述 面向机器人真实场景，构建面向真实世界场景的下一代智能体系统。包括具身多模态大模型的大规模训练性能，工程化与规模化落地，端侧与异构部署加速，机器人系统集成。与算法、硬件及测试团队紧密协作，推动大模型与机器人感知、决策、控制模块的深度集成与系统级优化。 职位要求 1、计算机、电子工程、人工智能等相关领域硕士及以上学历； 2、具有丰富的模型工程/训练平台经验，熟悉大规模训练栈：大规模训练加速，训练观测与剖析； 3、具备推理与端侧异构部署加速经验（TensorRT/ONNX 等），推理与服务框架、容器与编排（Docker/K8s）、服务化与可观测性体系； 4、精通 Python/C++ 与 Linux/网络/性能分析；熟悉 PyTorch/TensorFlow 至少一种； 5、良好的跨团队沟通协作与项目推进能力，能在研究‑工程‑平台多方之间对齐目标与节奏。 加分项： 1 、熟悉 CUDA 编程、GPU 内存管理及并行计算优化，有基座模型Infra经验，或者知名开源训练框架项目的核心贡献者； 2、有在 NVIDIA Orin、Thor 等车载 SoC 上部署大模型或复杂 AI 系统的经验；有机器人开发经验（ROS/ROS2、传感器/外设接入）； 3、对具身智能（Embodied AI）、多模态大模型与机器人交互有浓厚兴趣或项目经验； 4、具有优秀的代码能力，如ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者；

职责描述： 1、负责VLA自动驾驶大模型的研发及在车端量产落地等工作； 2、解决VLA在实际量产项目中的问题； 任职要求： 1、有VLA、VLM模型开发及落地的相关经验； 2、有自动驾驶端到端项目的经验，熟悉轨迹预测/规划等相关算法； 3、具备良好的数理功底以及代码能力； 4、有自动驾驶、机器人领域AI算法经验优先。

工作地点：北京/上海/深圳皆可协调 【职责描述】 负责人形机器人仿真训练平台的研发，能够支撑运动控制 或者 操作算法 或者 导航算法的大规模训练与评测。 1、基于 Isaac Gym/MuJoCo 搭建高保真仿真环境，优化人形机器人 RL 训练的并行效率与物理精度； 2、开发 3DGS/NeRF 动态场景渲染管线，支持视觉-动力学联合仿真与 Sim2Real 迁移； 3、构建生成式世界模型驱动的仿真系统，实现动态场景自动生成与自适应难度调控； 4、设计分布式仿真架构，支持万级机器人实例的实时交互与数据采集。 【任职要求】 1、硕士及以上学历，计算机、自动化、机器人等相关专业； 2、精通 Isaac Gym/MuJoCo/PyBullet 等物理引擎，有机器人仿真项目落地经验； 3、熟悉 3DGS/NeRF 等神经渲染技术，能优化渲染-物理计算的异构流水线； 4、具备 C++/Python 高性能开发能力，熟悉 CUDA 优先。 【加分项】 - 在 ICRA/IROS/RSS/TRO/IJRR 等顶会顶刊发表过相关论文； - 熟悉强化学习算法和训练框架； - 有人形机器人全身控制仿真调优经验； - 理解生成式世界模型（UniSim、GenSim 等）在仿真中的应用。

岗位简介：聚焦端到端自动驾驶 VLM/VLA 大模型研发，重点解决模型海外跨地域泛化难题，攻克海内外路况、交规、驾驶习惯、气候地貌差异导致的域偏移、鲁棒性差、长尾场景失效等核心问题，负责算法研发、迭代优化与海外量产落地。 主要职责 1、VLA大模型海外泛化研发：负责自动驾驶VLA/VLM端到端算法设计与迭代，针对海外多地域场景差异，优化模型环境认知、障碍物识别、行为预测与轨迹生成能力，解决跨域适配、认知偏差等核心问题。 2、强化学习跨域优化落地：基于PPO、DPO、GRPO、SAC等主流强化学习算法，搭建海外场景专属训练方案，完成跨域奖励设计、分布式训练、模型调优，提升模型海外复杂场景、恶劣天气、小众交通场景的泛化能力与稳定性。 3、全流程量产落地：主导算法从海外数据闭环、仿真适配、模型验证到实车测试、部署迭代的全流程工作，攻克海外样本稀疏、域迁移难、推理不稳定等工程问题，支撑业务规模化出海。 任职要求： 1、学历基础：计算机、人工智能、自动化、数学等相关专业硕士及以上学历，博士优先，具备扎实的深度学习与强化学习数理功底； 2、大模型能力：精通VLM/VLA端到端自动驾驶模型原理与全栈开发，熟悉大模型跨域泛化、域自适应、微调蒸馏技术，有智驾大模型落地经验优先； 3、强化学习能力：熟练掌握PPO、DPO、GRPO等算法，具备用强化学习解决问题的实战经验，有智驾/机器人项目量产落地经历； 4、自动驾驶认知：熟悉自动驾驶感知、预测、规划、控制全链路逻辑，兼具传统模块化与端到端模型研发认知； 5、工程与综合能力：熟练使用PyTorch，掌握分布式训练、模型优化、车载部署等工程能力；具备良好的逻辑攻坚、跨团队协作与项目推进能力，有技术带队经验优先。 加分项 1、有智驾VLA模型海外泛化、全球化适配、出海量产核心项目经验； 2、深耕跨域泛化、迁移学习、稀疏场景补齐方向，有相关落地成果； 3、参与过自动驾驶全球化技术路线、算法体系标准搭建； 4、拥有顶会论文、核心技术专利成果。

职责描述： 从战略高度定义车云一体数据闭环的总体架构，使其成为支撑模型周期迭代、跨地域规模化扩张、安全合规可审计的核心基础设施。主导设计高可用、可扩展的车云一体数据闭环系统架构，覆盖从车端数据采集、加密上传、云端接入、预处理、存储、标注调度、训练数据生成到仿真评测回传的全链路。同时探索下一代以AI Agent为中心的数据闭环架构，从战略层面制定架构演进路线图，平衡短期交付与长期技术债，确保架构具备对未来3-5年业务规模的扩展能力。 面向具身智能和模型自训练的发展方向，不断探索AI新技术、数据Infra&工具链开发技术，实现从数据采集、数据传输、数据处理、数据聚类、数据挖掘、数据评测、数据交付、数据效果反馈全链路的高效、高质量流转，实现数据生命周期成本、数据架构和闭环工程体系的持续演进。 1. 负责车云一体数据闭环架构设计与优化：搭建并维护从车端数据上传到云端训练、仿真评测的全链路大闭环系统，确保数据高效、安全地在车端与云端之间流转，支撑模型快速迭代。 2. 构建与维护数据闭环工具链：主导数据处理链路、数据挖掘、采集标注工具、可视化工具等模块的选型、开发与集成，提升数据从原始采集到可用数据集之间的自动化水平与处理效率。 3. 建立数据血缘与版本管理机制：设计并落地数据血缘追踪体系，实现数据从生产、加工到使用的全流程可追溯；建立数据集、标注版本、模型版本之间的严格对应关系，支持问题归因与迭代回溯。 4. 探索下一代以 AI Agent 为中心的数据闭环技术：研究和引入基于 AI Agent 的自动化数据处理与挖掘方法，探索 Agent 在场景识别、标注辅助、仿真用例生成等环节的应用，推动数据闭环向更高阶的智能化演进。 5. 支撑模型开发全周期的数据工作：深入参与模型从数据准备、预训练、微调、评测到上车部署与持续优化的全流程，理解各阶段模型对数据的具体需求，提供针对性的数据策略支持。 6. 定义高质量数据标准并指导数据生产：根据不同模型在不同阶段（如基础能力构建、短板修复、泛化性提升等）的关键需求，明确高质量数据的特征（多样性、代表性、稀缺性、真实性等），指导数据采集、清洗与标注工作，保障模型训练效果。 任职要求： 1. 计算机科学、人工智能、自动化、车辆工程等相关专业，硕士及以上学历，3年以上多模态物理AI或AI数据平台相关工作经验。深入理解多模态物理AI数据闭环的架构与流程，有车端数据上传、云端数据处理、训练与仿真集成的一体化实践经验。 2. 优先考虑具备大规模AI训练数据治理经验的候选人，包括数据标准体系建设、数据质量治理、数据资产管理、成本与效率优化，以及海量多模态数据生产与流转体系的落地实践经验。 3. 熟悉数据闭环工具链的搭建与使用，包括数据处理、挖掘、标注、可视化等模块，有相关开发或深度使用经验。 4. 具备数据血缘和版本管理的实际落地经验，理解数据集与模型版本关联的重要性，有数据资产管理意识。 5. 对以 AI Agent 为中心的数据闭环方向有研究或实践兴趣，具备前沿技术探索能力。 6. 熟悉模型开发的全生命周期，深刻理解数据对模型性能（泛化性、鲁棒性、安全性）的关键作用。 7. 能够分析模型在不同阶段的数据需求，具备定义和评估高质量数据的能力，有指导数据生产和标注的经验者优先。 8. 具备良好的跨团队协作能力，能够与算法、工程、标注、测试等团队高效配合，推动数据闭环落地。

职责描述： 从战略高度定义车云一体数据闭环的总体架构，使其成为支撑模型周级迭代、跨地域规模化扩张、安全合规可审计的核心基础设施。主导设计高可用、可扩展的车云一体数据闭环系统架构，覆盖从车端数据采集、加密上传、云端接入、预处理、存储、标注调度、训练数据生成到仿真评测回传的全链路。同时探索下一代以AI Agent为中心的数据闭环架构，从战略层面制定架构演进路线图，平衡短期交付与长期技术债，确保架构具备对未来3-5年业务规模的扩展能力。 面向具身智能和模型自训练的发展方向，不断探索AI新技术、数据Infra&工具链开发技术，实现从数据采集、数据传输、数据处理、数据聚类、数据挖掘、数据评测、数据交付、数据效果反馈全链路的高效、高质量流转，实现数据生命周期成本、数据架构和闭环工程体系的持续演进。 1. 负责车云一体数据闭环架构设计与优化：搭建并维护从车端数据上传到云端训练、仿真评测的全链路大闭环系统，确保数据高效、安全地在车端与云端之间流转，支撑模型快速迭代； 2. 构建与维护数据闭环工具链：主导数据处理链路、数据挖掘、采集标注工具、可视化工具等模块的选型、开发与集成，提升数据从原始采集到可用数据集之间的自动化水平与处理效率； 3. 建立数据血缘与版本管理机制：设计并落地数据血缘追踪体系，实现数据从生产、加工到使用的全流程可追溯；建立数据集、标注版本、模型版本之间的严格对应关系，支持问题归因与迭代回溯； 4. 探索下一代以 AI Agent 为中心的数据闭环技术：研究和引入基于 AI Agent 的自动化数据处理与挖掘方法，探索 Agent 在场景识别、标注辅助、仿真用例生成等环节的应用，推动数据闭环向更高阶的智能化演进； 5. 支撑模型开发全周期的数据工作：深入参与模型从数据准备、预训练、微调、评测到上车部署与持续优化的全流程，理解各阶段模型对数据的具体需求，提供针对性的数据策略支持； 6. 定义高质量数据标准并指导数据生产：根据不同模型在不同阶段（如基础能力构建、短板修复、泛化性提升等）的关键需求，明确高质量数据的特征（多样性、代表性、稀缺性、真实性等），指导数据采集、清洗与标注工作，保障模型训练效果。 任职要求： 1. 计算机科学、人工智能、自动化、车辆工程等相关专业，硕士及以上学历，3年以上多模态物理AI或AI数据平台相关工作经验。深入理解多模态物理AI数据闭环的架构与流程，有车端数据上传、云端数据处理、训练与仿真集成的一体化实践经验； 2. 优先考虑具备大规模 AI 训练数据治理经验的候选人，包括数据标准体系建设、数据质量治理、数据资产管理、成本与效率优化，以及海量多模态数据生产与流转体系的落地实践经验； 3. 熟悉数据闭环工具链的搭建与使用，包括数据处理、挖掘、标注、可视化等模块，有相关开发或深度使用经验； 4. 具备数据血缘和版本管理的实际落地经验，理解数据集与模型版本关联的重要性，有数据资产管理意识； 5. 对以 AI Agent 为中心的数据闭环方向有研究或实践兴趣，具备前沿技术探索能力； 6. 熟悉模型开发的全生命周期，深刻理解数据对模型性能（泛化性、鲁棒性、安全性）的关键作用； 7. 能够分析模型在不同阶段的数据需求，具备定义和评估高质量数据的能力，有指导数据生产和标注的经验者优先； 8. 具备良好的跨团队协作能力，能够与算法、工程、标注、测试等团队高效配合，推动数据闭环落地。

职位描述 1. 负责人形机器人全生命周期运营，制定可量化的全周期运营策略并落地，数据化迭代优化，达成用户增长、功能渗透目标； 2. 围绕核心使用场景设计运营方案，提升AI/具身智能功能使用率，推动技术能力转化为实际用户价值； 3. 搭建用户运营体系与反馈机制，提炼用户痛点反哺产品迭代，形成运营-产品数据闭环； 4. 联动产品、算法、研发等跨团队，对齐研发/量产节奏，统筹运营项目落地，保障交付效率与质量； 5. 跟踪行业趋势、分析竞品运营策略，优化自身运营方案，强化产品市场竞争力； 6. 参与产品上市全流程，挖掘种子用户，推动产品规模化市场渗透； 7. 沉淀机器人专属运营方法论，搭建标准化运营流程与数据监测体系； 8. 探索机器人商业化运营模式，推动销售转化与增值服务落地，实现产品商业变现。 职位要求 职位要求 基础要求 1. 本科及以上学历，计算机、人工智能、市场营销等相关专业优先； 2. 5年及以上智能硬件/AIoT/机器人/自动驾驶领域产品运营经验，有产品从0到1落地及规模化运营案例优先； 3. 能快速到岗，适应硬科技领域快速迭代的工作节奏。 核心能力 1. 具备系统化运营策略思维，强执行力，能落地适配机器人产品特性的可量化运营方案； 2. 擅长跨团队协同与项目统筹，可高效对接技术团队，推动需求落地并化解协作冲突； 3. 有深度用户与场景思维，能挖掘用户真实需求，提炼反馈反哺产品迭代； 4. 数据驱动运营，可搭建运营数据监测体系，通过数据分析优化运营策略； 5. 熟悉机器人行业核心技术逻辑与行业趋势，具备专业的竞品分析与市场机会捕捉能力； 6. 抗压能力强、应变灵活，可根据产品研发/量产节奏快速调整运营策略。 加分项 1. 有新能源汽车/自动驾驶领域运营经验，可实现运营思维向机器人产品迁移； 2. 参与过机器人AI/具身智能功能的落地运营工作； 3. 有智能硬件商业化运营经验，具备硬件+增值服务变现落地能力； 4. 兼具产品思维，能参与产品需求评审与版本规划；

岗位职责 1、负责 Robotaxi 整体产品规划与产品体验设计，制定清晰的商业化产品路线；通过实地调研、数据分析、竞品分析等方式，深入挖掘用户需求，提升用户体验，致力于实现专车水准甚至更优的服务体验； 2、负责Robotaxi产业链生态合作，包括出行平台、政府及基础设施服务商等，构建战略联盟； 3、负责海内外市场拓展，制定区域化商业策略，主导政府合作与政策申报，推动路权开放、牌照获取等； 4、构建Robotaxi全生命周期商业模式，涵盖车辆采购、运营成本、收入分成及数据变现。 岗位要求 1、本科及以上学历，计算机、车辆工程、人工智能、互联网等相关行业优先； 2、8年以上自动驾驶/出行行业经验，3年以上团队管理经验，有海外市场拓展背景者优先； 3、熟悉自动驾驶技术商业化路径，能设计可复制的商业模式； 4、具备较强的逻辑思维能力，能够将复杂场景与产品进行拆解并逐步推进完善；精通生态合作谈判与资源整合，具备跨文化沟通能力； 5、其他：如果base上海/北京/深圳，前面半年需要在广州出差。

岗位职责: 1. 负责车端/机器人等数据挖掘系统的需求分析、方案设计与系统架构设计。 2. 主导数据挖掘软件的开发与集成，优化数据挖掘性能；搭建云端数据挖掘系统，支撑算法团队的数据闭环。 3. 参与数据安全与隐私保护设计，实现数据加密、脱敏与合规。 岗位要求: 1.本科及以上学历,计算机、软件工程、车辆、自动化等相关专业,编程竞赛获奖者或商业软件开发 者优先 2.熟悉Linux/C++14及以上版本,具备工程构建、开发、问题定位及解决能力。 3.具备产品思维,能够从用户需求出发,设计高质量的软件产品;同时具备工程师文化,重视代码质 量、可维护性和团队协作,推动工程实践的持续改进。 4.责任心强,具备优秀的学习能力、独立分析问题的能力以及及良好的团队沟通与协作能力。 5.有嵌入式软硬件、自动驾驶算法经验,或在软件工程中使用AI工具的经验者优先。

【职责描述】 1、负责大模型与语音算法的量化、剪枝、蒸馏等模型精简与加速技术，完成在高通等移动端的转换、部署，保障端侧低延迟与高精度； 2、设计并实现端侧推理引擎，负责关键推理优化策略（如 Prompt Cache、投机解码、Flash Attention 等）的工程落地，结合图优化与算子适配，最大化 NPU/CPU/DSP硬件利用率； 3、负责跨平台推理 SDK 的架构设计、封装与迭代，提供稳定、高效的端侧推理接口； 4、负责推理链路延迟、精度与功耗问题的定位，并给出优化方案，推动端侧推理性能指标达成； 5、开发并迭代模型转换、精度与性能自动化测试工具链，提升算法到端侧的交付效率。 【任职要求】 1、硕士及以上学历，人工智能、计算机、电子、数学等相关专业； 2、熟练掌握深度学习与大模型压缩和加速技术，包括量化、剪枝、蒸馏等，有端侧部署与精度调优实践经验； 3、熟练掌握大模型推理优化策略（如 Prompt Cache、投机解码、Flash Attention 等），熟悉 SNPE/QNN 或者MTK 等主流平台推理框架； 4、熟悉移动端与 Native 开发，熟练使用现代 C++，熟悉 Android Native / HAL 层开发调试与系统级性能分析； 5、具备良好的跨团队协作与推动能力，能够与算法团队、芯片供应方紧密沟通，推动模型部署的端到端性能和效果优化； 6、熟悉 ARM NEON / DSP intrinsic 等端侧底层加速技术者优先； 7、熟悉 ONNX模型，熟悉 MNN/NCNN 等通用推理框架及其原理者优先； 8、熟悉 VAD、唤醒、ASR 等语音前端算法逻辑者优先。

职位描述 负责将大语言模型、多模态模型和具身智能模型高效部署到机器人端侧芯片和云端，实现低延迟实时推理。 1、负责 VLT（任务规划模型）、Omni（多模态交互模型）、VLA（操作模型）等大模型在 XP5 芯片上的端侧部署，完成模型量化（INT8/INT4/FP8）、图优化和推理加速； 2、设计和优化云端模型推理服务（基于 vLLM/TensorRT-LLM），支撑 VLT 云端推理的高并发低延迟需求； 3、开发运动控制模型（ONNX）在实时系统中的高性能推理管道，满足 500Hz 控制频率要求； 4、建立模型部署的标准化流程：模型转换→量化→性能基准测试→端侧验证→上线发布； 5、与算法团队协作，从模型设计阶段介入，提供部署可行性评估和性能预估。 职位要求 1、本科及以上学历，计算机、电子工程等相关专业； 2、精通 C++/Python，具备 2 年以上模型部署或推理优化经验； 3、熟悉至少一种推理框架：TensorRT / ONNX Runtime / MNN / TVM / vLLM； 4. 有以下至少一项深入经验： - 模型量化（PTQ/QAT/混合精度）与精度-速度 trade-off 调优； - CUDA 编程与 GPU kernel 优化； - 嵌入式 NPU 部署（高通/联发科/NVIDIA Orin）； 5、理解 Transformer 架构和主流大模型（LLaMA/Qwen/ViT）的计算特性。 加分项： - 有 LLM 推理服务的生产环境运维经验（vLLM/TGI/Triton）； - 有端侧大模型部署经验（手机/车载/机器人）； - 熟悉 KV-cache 优化、PagedAttention、投机解码等 LLM 推理加速技术； - 有多模型协同推理的调度优化经验（多个模型共享 NPU/GPU 资源）。

【关于我们】 小鹏机器人中心致力于人形机器人前沿技术突破，在智能行走、精准操作、自主导航以及基于大语言模型的人机交互等核心领域持续创新。我们的顶尖技术团队遍布深圳、上海、广州、北京四大创新中心及北美硅谷研发基地，汇聚全球具身智能领域的杰出人才。在这里，您将参与定义机器人技术的未来。 【工作职责】 1. 主导前沿算法在人形机器人平台的集成部署，深度参与 Sim2Real 技术链路优化，系统性定位并解决软硬件耦合挑战 2. 负责新一代硬件系统（关节执行器、运动腿组及整机系统）的技术验收与性能调优，跨团队协同驱动软硬件深度融合，突破机器人运动性能边界 3. 构建端到端测试验证体系，推动测试流程标准化与工具化升级，建立硬件性能基准评测体系，实现仿真验证、台架测试、实机测试的全链路整合 【职位要求】 1. 计算机科学、电子工程、自动化、通信工程、软件工程等相关专业硕士及以上学历， 2. 熟悉 C++ 或 Python 编程，具备扎实的工程实现能力和代码优化功底 3. 拥有极强的技术探索精神和问题解决能力，善于跨领域知识融合，能够与多元背景团队协作攻克技术难题 4. 追求技术卓越，注重细节品质，具备创新思维和灵活应变能力，能在复杂场景下提供创造性解决方案 5. 拥有机器人系统、自动驾驶、无人系统或智能硬件开发经验者优先 【携手构建下一代智能机器人】 加入小鹏机器人中心，在人形机器人这一前沿赛道留下您的技术印记，共同塑造具身智能的未来。

职位描述： 1、面向通用人形机器人，打造行业领先的具身大模型，实现全身动作控制、场景及任务可泛化的、可scaling的VLA大模型研究，形成持续的技术影响力并引领国际行业发展。 职位要求： 1、计算机、电子工程、人工智能等相关领域硕士及以上学历； 2、具有扎实的机器学习算法基础，在VLM、LLM、AIGC、RL、Robotics、3D Vision等相关专业领域有研究经验，曾以第一作者身份在CVPR/ECCV/ICCV/CoRL/ICRA/NeurIPS/ICLR/ICML/SIGGRAPH等顶会顶刊上发表过论文； 3、熟练使用PyTorch/TensorFlow等深度学习框架，具备良好的代码实现能力； 4、具有良好的团队合作能力和沟通能力。 加分项： 1、计算机、电子工程、人工智能、机器人等相关领域博士学历； 2、有多模态、大模型、机器人相关研究和项目经验，有国际影响力的论文主要作者或项目主导者； 3、具有优秀的代码能力，如ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者； 4、具备解决复杂问题的经验，并能比较各种解决方案，并根据不同的视角确定前进方向。具备基于机器学习和/或深度学习方法构建系统的经验。

工作地点：北京/上海/深圳皆可协调 【职责描述】 负责人形机器人的具身智能核心算法研发，精通操作 或 运动控制 或 导航任一方向即可。 1、操作（Manipulation）：基于 VLA（Vision-Language-Action）模型研发机器人抓取、放置、工具使用等操作能力，支撑 R02 机器人在商服/工厂等场景的任务交付； 2、 运动控制（Locomotion）：基于强化学习研发人形机器人全身运动控制策略（WBC），在 Isaac Gym/MuJoCo 中训练并完成 Sim2Real 部署； 3、导航（Navigation）：研发基于 VLA 的端到端导航算法（Nav-VLA），实现室内自主建图、避障和语义导航； 4、构建从数据采集→仿真训练→真机部署→评测的完整闭环。 【任职要求】 1、硕士及以上学历，计算机、自动化、机器人、人工智能等相关专业； 2、在以下至少一个方向有深入经验： - 机器人操作/抓取（ACT、Diffusion Policy、VLA 等）； - 强化学习运动控制（PPO/SAC + Isaac Gym/MuJoCo）； - 视觉导航（VLN、SLAM、端到端导航） 3、熟悉 PyTorch，具备 Sim2Real 迁移的实战经验； 4、有人形机器人或足式机器人的实机开发调试经验优先。 【加分项】 - 在 RSS/CoRL/ICRA/IROS/IJRR/TRO 或 NeurIPS/ICLR/CVPR 发表过相关论文； - 有大规模分布式 RL 训练经验（FSDP、DeepSpeed、Ray）； - 参加过 RoboMaster/RoboCup 等机器人竞赛并取得成绩。

岗位职责 1、研发面向智能汽车场景的通用大模型架构，覆盖自动驾驶、智能座舱、人机交互、车载 Agent 等方向。 2、探索视觉、语言、语音、地图、传感器、行为数据等多模态数据的融合建模与预训练方法，构建面向车端智能的基础模型能力。 3、构建行业专属的大规模预训练模型，提升感知理解、场景推理、用户意图理解、任务规划、决策辅助和长尾场景处理能力。 4、 研发面向车载智能系统的 Agent 架构，包括任务规划、工具调用、多轮交互、记忆机制、环境感知与执行反馈闭环。 5、设计和优化百亿/千亿参数级模型的分布式训练框架，解决多模态异构数据、长时序建模、复杂场景泛化和高效训练等问题。 6、建设高质量预训练数据体系，包括数据清洗、自动标注、合成数据生成、偏好数据构建、评测集建设和自动化评估。 7、探索大模型在车端和云端协同部署中的压缩、蒸馏、量化、推理加速和高效适配技术。 8、跟踪 LLM、VLM、Multimodal Agent、World Model、Embodied AI 等前沿技术，推动其在智能汽车、智能座舱和自动驾驶系统中的创新落地。 岗位要求 1、 计算机科学、人工智能、自动化、电子工程、数学等相关专业博士，或硕士并具备 3 年以上相关研发经验。 2、精通 Transformer 架构及其主流变体，熟悉 Qwen、DeepSeek、Kimi 等模型结构和训练方法，以及长向下文，稀疏化注意力，MoE 等相关技术。 3、熟悉大规模预训练、指令微调、偏好对齐、强化学习、RAG、Agentic Workflow、工具调用等关键技术。 4、掌握分布式训练技术，如 FSDP、Megatron-LM、DeepSpeed、Tensor Parallel、Pipeline Parallel 等，有百亿/千亿参数模型训练调优经验者优先。 5、熟练使用 PyTorch/TensorFlow/JAX 等深度学习框架，具备 CUDA、算子优化、训练性能优化或推理加速经验。 6、熟悉多模态数据建模，包括视觉、文本、语音、视频、传感器时序数据、用户行为数据等。 7、具备扎实的数学基础，熟悉最优化理论、概率建模、信息论、强化学习或表示学习等相关方向。 8、具备优秀的论文复现能力、工程落地能力和技术创新思维，能够将前沿研究转化为可用系统能力。 加分项 1、有通用大模型、多模态大模型、VLM、Agent、World Model 或 Embodied AI 相关项目经验。 2、有智能座舱、车载语音助手、车载 Agent、自动驾驶或机器人相关项目经验。 3、熟悉自动驾驶或智能汽车相关数据集，如 nuScenes、Waymo Open Dataset、Argoverse、OpenDV、BDD100K 等。 4、有大规模模型训练平台、数据平台、自动化评测平台建设经验。 5、在 NeurIPS、ICML、ICLR、CVPR、ACL、EMNLP、RSS、CoRL 等顶会发表过相关论文。