AI算法工程师-campus-2027

结合自动驾驶、工业智能、具身智能、通用AI等业务场景，完成算法选型、模型架构设计与训练调优，覆盖目标检测、语义/实例分割、车道线、可行驶区域、异常检测等算法方向，持续保障算法的精度、性能与指标达标。

参与BEV、Transformer、Occupancy、多传感器融合、端到端模型等前沿感知技术研发，攻克长尾场景、模型幻觉等疑难算法问题，提升模型在复杂场景下的感知能力与鲁棒性。

负责AI模型的转换、量化、剪枝、蒸馏与推理加速优化，适配车端、边缘、云端等不同算力环境，建设模型部署工具链，推动模型从研发到量产系统的稳定落地。

构建自动标注、样本挖掘、难例发现与数据增强等能力，完善数据与算法闭环，为算法迭代提供高质量的数据支撑。

探索可微分仿真、可微分优化与Neural ODE等前沿技术方向，开发智驾横纵向控制、运动规划等算法模块，并推进算法的工程化与落地部署。

负责AI算法的安全架构设计、开发与验证，保障训练数据安全，提升模型在极端场景下的鲁棒性，确保模型决策可解释、可追溯，落实功能安全（ISO 26262/SOTIF）及AI安全（ISO PAS 8800）相关标准要求。

完成算法的工程化落地与性能优化，撰写技术文档与专利，跟踪算法、推理引擎、车载AI芯片及AI安全等前沿技术并开展预研工作。

开展具身智能算法研发，融合感知、决策、规划与控制能力，研究具身智能体的运动控制、操作执行、多模态交互与环境学习算法，探索具身智能在智能驾驶、机器人等物理场景中的落地应用

硕士及以上学历，计算机、人工智能、自动化、数学、电子信息、模式识别、控制理论与控制工程等相关专业。

熟练掌握Python、C、C++等编程语言，具备扎实的数学基础（线性代数、概率论、微积分）。

熟练使用PyTorch、TensorFlow等主流深度学习框架，深入理解CNN、Transformer等网络结构与机器学习/深度学习原理。

熟悉Linux开发环境及常用工程工具，有模型转换与推理优化（ONNX、TensorRT等）经验者优先。

了解AI安全风险及功能安全标准（ISO 26262、ISO 21448、ISO PAS 8800）者优先。

具备算法设计与落地经验，有相关科研、项目或竞赛成果者优先。

了解具身智能、强化学习、模仿学习、世界模型等方向，有相关研究或落地经验者优先。

具备良好的沟通协作能力、独立解决问题的能力和创新精神