长安科技-AEB开发工程师(J28724)

负责 AEB 端到端模型方案设计、训练与迭代，重点覆盖一段式 AEB 端到端方案，以及两段式基于 BEV 隐式表征传递信息的端到端方案，推动模型从表征学习、风险建模到触发建议输出的整体闭环落地。

负责 AEB 训练体系建设，围绕真实业务问题设计训练策略、样本策略和评测策略，持续提升模型在安全性、稳定性、泛化性和可落地性方面的表现。

负责 badcase 真值设计与专项闭环建设，重点覆盖晚触发碰撞、漏触发碰撞、正触发边界、误触发边界等核心场景，建立统一的标注口径、训练口径和回归口径，推动 badcase 从问题发现走向可训练、可验证、可复现。

负责感知性能异常的数据标注与专项回归设计，重点关注目标朝向、速度、位置精度、时序稳定性、关联稳定性、目标切换等问题，并能够将这些异常与最终决策问题建立关联，形成专项数据集、专项评测集和专项优化方案。

负责模型输入编码与输出表达设计，能够结合车辆状态、环境上下文、时序信息和目标信息，设计合理的特征组织方式、编码范围、归一化方式和解码策略，提升模型训练效率和线上一致性。

负责核心 loss 设计与优化，能够围绕风险排序、触发时机、输出稳定性、边界样本学习、难例学习等问题，建立适合 AEB 场景的监督体系和优化策略，推动模型在关键场景下持续收敛。

负责高风险目标筛选与时序稳定机制设计，解决主目标跳变、输出抖动、边界场景不稳定等问题，保证模型输出在连续帧、复杂交通参与者和多目标交互场景下具备稳定性和一致性。

与数据、标注、规则、控制、仿真、回放、部署等团队协同，推动从数据挖掘、标注设计、训练迭代、离线评测到实车问题回归的全链路闭环。

计算机、人工智能、自动化、车辆工程等相关专业，本科及以上学历，具备较强的深度学习算法基础和工程落地能力。

具备 AEB、FCW 或主动安全方向算法经验，熟悉端到端模型训练、时空特征建模、多任务学习、时序建模等方法。

熟悉一段式 AEB 端到端方案，或两段式基于 BEV 隐式特征向风险决策层传递信息的端到端方案，理解注意力机制、时序记忆机制以及高风险目标建模方法。

具备 badcase 真值设计经验，能够独立完成关键场景的标注策略设计、训练监督方案设计和专项回归体系建设，而不是停留在问题描述层面。

具备感知异常问题的标注、归因和回归经验，能够把感知精度、时序稳定性、目标一致性等问题转化为可训练、可评测、可闭环的工程方案。

熟悉模型输入编码范围设计、输出解码方式、核心 loss 设计，以及高风险目标筛选与稳定输出机制，能够将模型结构设计和训练目标设计有效打通。

具备较强的数据闭环意识，能够推动 badcase 挖掘、样本构建、训练迭代、专项评测和版本回归形成体系化方法。

熟练使用主流深度学习框架，具备训练框架搭建、实验管理、评测分析和问题定位能力，有较强的跨团队协作与推进能力。