職位詳情
【團隊介紹】
廣汽致力于打造*的自動駕駛全棧技術體系。團隊正全力推進下一代基于 VLA (Vision-Language-Action) 和 One-stage End-to-End 架構的自動駕駛系統研發。我們需要既有學術深度，更具工程能力的同學。在這里，工程實現能力是*生產力。無論你是擅長構建高效的訓練框架，還是精通復雜模型架構設計，還有你訓練模型的經驗得到的trick，只要你對解決大模型在自動駕駛中的落地難題有獨到見解和絕對自信，這里提供無上限的薪資回報與發展舞臺。
【主要職責】
端到端架構研發： 負責設計從傳感器輸入到軌跡輸出的 One-stage 網絡，打通感知、預測與規劃的梯度流。
輕圖/無圖方案落地： 探索并設計基于 SD Map / SD Pro 的模型接入方案，在不依賴高精地圖（HD Map）的前提下，通過模型隱式學習道路拓撲與導航信息。
VLA/世界模型探索： 引入大語言模型與視頻生成技術，構建具備通用常識與長時序推演能力的自動駕駛大腦。
工程效能攻堅： 解決大模型訓練中的顯存墻、計算瓶頸及數據吞吐問題，構建高效的閉環迭代系統。
【任職要求】
特別說明：我們不要求全才，只要你在以下第1、2、3點中的【任意一項】有深入研究或突出工程能力，請直接投遞！
1. 專業算法領域經驗（按優先級排序）：
【端到端/規劃模型】：
精通 One-stage End-to-End 架構設計（如 UniAD, VAD 等），能獨立設計從 Feature 到 Trajectory 的解碼網絡。
熟悉前沿規劃算法的模型化實現，包括 Diffusion-based Planning（擴散模型生成軌跡）、Query-based Planning（交互式博弈）或 Auto-regressive（自回歸序列決策）。
【VLA/多模態大模型】：
擁有 VLA (Vision-Language-Action) 模型的實際訓練/微調經驗。
擅長將 LLM 的語義理解能力與駕駛系統的控制信號進行對齊，理解多模態 Tokenizer 的設計與優化。
【感知與Tracking一體化】：
熟悉 BEV 感知范式，有豐富的多任務聯合訓練，調優經驗，了解 Perception + Tracking 一體化的設計經驗。
加分項【輕圖/無圖方案】：
關鍵： 有設計 SD Map / SD Pro（標準導航地圖）接入模型 的經驗。能夠通過 Transformer/Attention 機制將導航路網信息（Navigation embeddings）有效地編碼進 BEV 或 Query 空間，引導模型在無高精地圖場景下的路徑規劃。
2. 核心工程與架構能力（如果你在這里很強，請忽略上述算法要求）：
模型架構設計自信： 能夠手搓復雜的 Attention 算子或 Transformer 變體，對模型結構進行“外科手術式”的修改與拼接，保證計算圖的高效與正確。
訓練效率自信： 精通分布式訓練底層技術（Megatron, DeepSpeed），有能力優化大參數量模型的顯存占用與訓練吞吐量，將訓練效率提升至極致。
數據/模型鏈路自信： 擅長設計 Data-Centric 的數據閉環系統，能夠從海量數據中自動化挖掘 Hard Case 并通過自動化流水線反哺模型。
3. 基礎素質：
碩士及以上學歷（能力極其突出者可放寬至本科）。
Coding 能力強悍，Python/C++ 功底深厚，是實干派而非理論派。
【我們提供】
廣闊舞臺： 你的代碼將部署在廣汽百萬量級的量產車隊上。