自动驾驶端到端模型算法研究员

主导自动驾驶端到端模型的规模化业务落地，构建融合模仿学习与强化学习的多任务训练框架，增强模型对复杂交通场景的理解能力。推动视觉-语言模型与驾驶决策模型的端到端联合优化，实现场景理解、因果推理与行为生成，输出符合人类驾驶习惯、可解释且安全可靠的决策与规划轨迹；

系统性追踪自动驾驶前沿技术演进，重点评估扩散模型、世界模型等在长尾场景生成、驾驶策略仿真与风险预测中的技术可行性。主导学术界创新方法向工业级解决方案的转化路径设计，构建从仿真验证到实车部署的完整技术闭环，通过持续的技术原型迭代与道路测试，为下一代自动驾驶系统探索高性能、高泛化能力的技术新范式

计算机、人工智能、自动化、机器人等相关专业硕士/博士；

精通Python及PyTorch深度学习框架，具备扎实的算法基础和优秀的工程实现能力；

深入掌握模仿学习或强化学习，熟悉Diffusion/自回归等生成模型，有端到端自动驾驶模型研发经验；

能够快速理解、复现并改进领域前沿成果，具备从算法研究到系统落地的全链条思维，对技术创新有强烈热情和执着追求。 加分项

在CVPR/ICCV/ECCV/NeurIPS/ICLR/ICML/TPAMI/RAL/ICRA等顶级会议或期刊发表过相关论文；

有高质量开源项目贡献或核心维护经验；

在ICPC/CCPC等算法竞赛中获得过突出成绩