自动驾驶多模态大模型（VLA/VLM）算法实习生

作为 VLA 算法实习生，你将深度参与下一代自动驾驶端到端架构的研发，让汽车不仅能“看懂”世界，还能“听懂”指令并做出安全平顺的“驾驶动作”。具体工作包括：

1. 01

   前沿模型研发：参与多模态大语言模型（如 LLaVA、Qwen-VL 等）在自动驾驶场景下的微调（SFT）、对齐（RLHF/DPO）与架构创新，探索视觉-语言-动作（VLA）大模型的端到端驾驶方案。

2. 02

   多模态数据闭环：协助处理海量真实路测数据，包括多视角图像、历史轨迹、导航指令及场景描述文本的清洗、对齐与构建，打造高质量的高质量 VLA 训练数据集。

3. 03

   评测与仿真：参与搭建和完善 VLA 模型的评测链路，进行开环（Open-loop）场景问答与轨迹预测评测，以及闭环（Closed-loop）仿真环境下的驾驶表现验证。

4. 04

   前沿追踪：追踪具身智能（Embodied AI）、自动驾驶端到端大模型领域的最新学术进展，并协助复现优质开源论文与代码

1. 01

   学术背景： 计算机、人工智能、自动化、机器人等相关专业在读硕士或博士（极其优秀的本科生亦可）。

2. 02

   代码能力： 熟练掌握 Python，具备扎实的数据结构与算法基础；熟练使用 PyTorch 深度学习框架。

3. 03

   AI 基础： 深入理解 Transformer 架构，熟悉 LLM 或 VLM 的基本原理、训练 Pipeline（如 LoRA、DeepSpeed、HuggingFace 生态）。 加分项（满足其一即可）：

4. 01

   有过自动驾驶感知、预测或规划（Planning）相关项目经验。

5. 02

   有实际训练过大型视觉语言模型（VLM）或参与过相关开源项目。

6. 03

   在 CVPR、ICCV、ECCV、NeurIPS、ICRA 等顶级会议/期刊发表过相关论文。

7. 04

   具备模型推理加速（如 TensorRT、vLLM）经验。

8. 05

   软素质： 具备极强的求知欲、自驱力和阅读英文文献的能力，能适应快节奏的研发环境