滴滴
Artificial Intelligence（5）-算法实习生
岗位职责
核心参与自动驾驶世界模型、多模态大模型、感知大模型的研发、迭代与落地，聚焦自动驾驶场景端到端感知、场景理解、环境建模等核心模块，支撑智能驾驶高阶智能能力升级。
负责自动驾驶多模态数据（图像、点云、雷达、语义文本等）的融合处理、数据集构建、清洗优化与质量迭代，支撑多模态大模型、感知大模型的训练与微调工作。
开展自动驾驶感知大模型、多模态大模型的模型训练、参数调优、消融实验、性能评测，针对性优化模型感知精度、场景泛化能力、推理速度与鲁棒性，适配复杂路况场景。
参与自动驾驶世界模型的场景建模、环境预测、动态场景推演算法研发，依托大模型能力实现自动驾驶场景实时理解、态势感知、未来状态预判，赋能决策规划模块。
结合仿真平台与实车场景，完成大模型算法的测试、问题复现与缺陷优化，落地模型轻量化、推理加速方案，保障大模型算法在车端场景的可行性与稳定性。
跟进自动驾驶世界模型、多模态感知大模型领域前沿论文与开源方案，完成算法复刻、改进与创新迭代，输出标准化实验报告与技术文档
任职要求
基础硬性条件
硕士及以上学历，计算机、自动化、车辆工程、人工智能、软件工程、数学、电子信息等相关专业，2026-2028届毕业生优先。
扎实的深度学习、大模型基础、多模态学习、计算机视觉、概率论、线性代数核心知识，熟悉大模型预训练、微调、对齐、特征融合核心原理。
熟练掌握Python编程，熟练使用PyTorch框架，熟悉大模型训练、微调工具链，具备多模态模型开发落地经验优先。
熟悉Linux开发环境，掌握Git、Shell等常用开发工具，具备规范的代码编写与管理习惯。 核心专项能力（满足其一即可） 自动驾驶感知大模型方向：熟悉自动驾驶端到端感知大模型、视觉感知模型研发，掌握图像/点云特征提取、语义分割、目标感知、场景理解技术，了解大模型在自动驾驶感知任务的落地范式。 多模态大模型方向：熟悉多模态融合技术，掌握图文、点云-图像、雷达-视觉多模态特征对齐与融合算法，了解多模态大模型预训练、SFT微调、模态对齐方案，有相关模型研发经验优先。 自动驾驶世界模型方向：了解自动驾驶世界模型、场景生成、动态场景推演、环境建模核心思路，熟悉基于大模型的场景预测、态势感知、仿真建模技术，有相关项目研究经验优先。 加分项
有自动驾驶大模型、多模态大模型、世界模型、端到端自动驾驶算法相关科研项目、实习或竞赛经历。
熟悉LLaMA、CLIP、SAM、BEV、端到端自动驾驶大模型等相关开源模型，掌握大模型微调、量化、轻量化、部署优化技术。
有CARLA仿真场景建模、自动驾驶数据集构建、多模态模型融合训练、车端大模型推理优化经验。
在多模态、计算机视觉、自动驾驶领域有顶会论文、算法竞赛获奖、开源项目贡献者优先。 注：若有其他疑问 可邮件咨询internrecruit@didiglobal.com
信息来自企业官方招聘渠道
OfferSeek 对公开岗位信息进行聚合、去重和结构化整理，最终申请以企业官方页面为准。