自动驾驶VLA算法研究员

主导开发面向真实世界交互的VLA核心模型架构，实现视觉感知、语言理解与动作生成在统一框架下的深度融合。通过结合模仿学习与强化学习，使模型具备三维场景认知与自然语言指令理解能力，生成符合人类驾驶习惯且安全可靠的规划轨迹；

持续追踪全球多模态大模型与生成式AI的前沿突破，评估其在复杂驾驶场景下的应用潜力与技术可行性。负责将学术界的最新理论转化为可在真实交通环境中验证的技术原型，为下一代自动驾驶系统探索新的技术范式

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；

有VLA/多模态大模型的实际训练与应用经验，理解跨模态对齐核心技术；

熟悉Diffusion/自回归等生成模型；

深入掌握模仿学习或强化学习，有端到端自动驾驶规划模型研发经验；

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