端到端大模型算法工程师(Mstar)

面向端到端自动驾驶大模型，研究并落地RL、On-policy Distillation等后训练范式，提升模型在复杂驾驶场景下的决策质量与泛化能力；

结合Momenta海量量产真实路测数据，设计数据闭环驱动的后训练策略，加速模型在长尾驾驶场景中的能力提升；

对比和融合SFT、RL、On-policy Distillation等范式，针对驾驶决策任务的特殊性设计最优后训练方案；

结合分布式训练框架优化后训练系统效率，推动模型从研究到量产的快速迭代；

追踪并复现LLM、端到端自动驾驶领域最新研究成果。

计算机、人工智能等相关专业硕士/博士应届毕业生；

必须具备Flow Matching相关经验；

深入理解后训练核心范式，对以下概念有实质性认知： - On-Policy Vs Off-policy采样的本质区别 - Dense vs Sparse Reward对训练效果与收敛的影响

在以下至少一个方向有研究或工程实践经验： - RL后训练（PPO、GRPO、RLHF 等） - On-policy/Sequence-level蒸馏（GKD、MiniLLM、DAGGER 相关方法）

熟悉至少一种主流训练框架（VeRL、Megatron-LM、DeepSpeed、vLLM等）；

有顶会论文（NeurIPS、ICML、ICLR等）或相关方向实习经历者优先。 加分项

同时具备Flow Matching与RL经验；

同时具备RL与蒸馏两个方向经验；

有Reward Model、Value Model或Token-level Scoring相关研究经验；

对自动驾驶决策、具身智能或物理AI场景有了解，理解驾驶轨迹数据与通用NLP数据的本质差异。