小马智行
研发实习生 - 工程/算法/模型
岗位职责
该岗位用于接收意向简历，如若你感兴趣，投递后，我们会结合你的求职意向推荐到具体某个方向的实习生岗位上，开启招聘流程。 L4级自动驾驶是物理AI的终极应用之一——它要求AI不仅理解世界，还要在真实物理环境中做出实时决策并付诸行动且确保安全。在小马智行，模型与系统从来不是割裂的：一个优秀的模型离不开极致的工程支撑，一个卓越的系统也必须深刻理解AI的需求。我们相信最好的工程师既能读懂论文，也能写出高性能代码。 无论你的专长偏向AI模型，算法，还是系统工程，只要你在某一个方向上足够优秀，就能在这里找到充分施展的空间。 你可以参与的方向
AI模型 研发驱动无人车理解物理世界、预判变化、做出决策的核心模型。探索多传感器融合感知、端到端架构、多模态大模型、强化学习、世界模型等热门方向，构建真正具备物理常识与驾驶智能的AI系统。
数据生成与世界模型 通过世界模型生成高保真仿真数据，构建可控、可扩展的数据引擎，突破真实数据的规模与分布瓶颈，让模型在无限丰富的物理场景中持续进化。
博弈交互算法 真实道路上的驾驶本质上是博弈问题。研发基于博弈论、交互式预测与决策的算法，让无人车在变道汇入、路口博弈、礼让协商等复杂交互场景中做出既安全又高效的驾驶行为。
环境建模与定位 构建高精度的环境地图与实时定位系统，让无人车精确感知自身在物理世界中的位置与周围的道路结构，为感知、决策与规划提供可靠的空间基底。
系统与基础架构 设计与研发车载自动驾驶系统、高性能分布式基础架构，或深入编译优化、操作系统级调优，将系统性能压榨到极致。
模型部署与优化 研究模型量化、蒸馏与推理加速，让复杂的AI模型在车载计算平台上实时高效运行——这是连接模型与物理世界的关键战场。
可视化与人机交互 研发3D可视化、仿真前端或乘客端人机界面，让复杂的系统变得可理解、可操作。
任职要求
计算机、自动化、数学或相关专业本科及以上学历
扎实的计算机基础，优秀的算法与数据结构能力
熟练掌握至少一门主流开发语言，能编写高效且易读的代码
在以下任一方向有扎实积累和潜能： a. 机器学习与深度学习理论基础，熟悉CNN、Transformer、检测、分割等常用感知算法，或者熟悉Imitation Learning、Reinforcement Learning等常用规划算法。熟练掌握至少一门深度学习框架（PyTorch / TensorFlow等），具备实际模型训练与调优经验 b. 熟悉自动驾驶行为预测与运动规划，掌握学习与优化驱动的预测/规划方法，具备路测数据到实车部署的闭环经验。能将复杂多智能体交互场景抽象为可解释的数学模型，并完成仿真与实车环境下的算法迭代与调优 c. 数学建模能力，擅长将复杂的实际问题抽象为可解释的数学模型 d. 系统软件基础，熟悉操作系统、编译原理、计算机网络、分布式系统、计算机图形学等方向中的至少一个，熟练掌握C/C++，具备高性能系统设计、开发与调优经验 e. 其他与上述工作方向相关的技术专长
强烈的技术好奇心与自驱力，良好的沟通协作能力 加分项
NOI/ACMICPC/CCPC等程序设计竞赛获奖
在AI模型相关竞赛中取得优异成绩
在相关领域如计算机视觉、机器学习、操作系统、机器人等领域发表高质量论文
有自动驾驶、机器人或相关领域的实际项目或实习经验
有参与相关方向的知名开源项目的经验
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。