主要职责：

1.端到端模型设计与创新：主导下一代端到端自动驾驶模型的架构设计、实现与优化，覆盖感知、预测、决策及规划的全栈技术领域。

2.生成式AI探索：基于前沿生成式 AI 技术（包含 VLM/VLA 视觉语言/动作模型、大语言模型 LLM 以及扩散模型）开发和实现端到端算法解决方案。

3.推理优化与部署：牵头模型推理加速及性能优化工作。推动面向嵌入式平台的模型轻量化策略，有效解决实际应用中的高延迟与计算瓶颈问题。

4.数据引擎与评估：参与自动化数据管道的研发，建立稳健的模型评估指标体系。通过闭环数据挖掘持续迭代并提升端到端模型的综合性能。

5.跨职能协作：与系统架构师及嵌入式工程团队紧密配合，确保模型的流畅集成与顺利部署。解决实际路测中的性能问题，不断优化模型在真实道路场景下的有效性。

6.前沿技术研究：始终紧跟大规模模型及强化学习（RL）的最前沿动态，探索并在商用车驾驶场景中迁移应用这些先进技术。

任职要求：

教育背景：计算机科学、人工智能、信息工程、电子工程、机器人学或相关领域，硕士或博士学位。

工作经验：3年及以上深度学习算法开发的实操经验，具备自动驾驶或机器人行业背景者优先。在顶级 AI/CV 会议（如 CVPR、ICCV、NeurIPS 等）发表过高质量论文，或在相关开源项目中取得显著成果者将得到优先考虑。

技术专长：

1.精通 Python 和 C++，并在 PyTorch 或 TensorFlow 等深度学习框架方面有丰富的实战经验。

2.深入理解感知、预测、规划与控制领域的主流算法。

3.扎实掌握模仿学习（IL）和强化学习（RL）的核心原理。

4.在模型推理优化方面经验丰富，熟悉模型压缩技术（如剪枝、蒸馏）及量化方法（INT8/FP16）。熟悉 TensorRT、ONNX Runtime 或 vLLM 等高性能推理框架者优先。

5.问题解决能力：具备优秀的逻辑思维、系统化的问题分析能力，数据结构与算法基础扎实。对自动驾驶技术充满热情，乐于迎接极具挑战性的真实世界工程难题。

6.沟通能力：中英文流利，能够与全球总部及本地跨职能团队进行高效顺畅的协作。