SH-数据算法工程师（感知-大模型方向）(J20473)

云端自动标注算法研发：负责基于多传感器数据（Camera/LiDAR/Radar）融合的4D自动标注算法研发，覆盖障碍物检测与跟踪、车道线提取、红绿灯与交通标识识别、占据栅格（Occupancy）、场景语义分割等自动驾驶核心感知任务。研发多模态融合与时序建模方法，提升自动标注在复杂交通场景下的检出率与精度。

大模型驱动的自动化标注：探索多模态大模型（如VLM/VLA）在数据标注场景中的应用，包括标签检索、感知/行为标注、场景理解等。利用大模型的语义理解能力提升标注系统的泛化能力与自动化水平，推动大模型在自动标注、数据合成等业务中的落地应用。

自动标注流水线设计：负责将自动标注链路拆解为可复用的算子节点（Operator），设计并优化DAG（有向无环图）执行流程，明确各节点输入输出、功能与依赖关系，保障标注系统在云端大规模计算集群上高效稳定运行。

数据闭环与质量体系构建：与数据挖掘、模型训练、质量评估、感知团队紧密协同，构建模型驱动的数据闭环体系。研发标注质检算法，建立标注质量评估与迭代优化机制，持续提升标注准确率与召回率。

前沿技术探索与工程落地：关注AIGC生成式标注、主动学习、弱监督学习、自监督预训练等前沿方向，推动新技术在自动标注任务中的创新应用与量产落地。

学历：计算机科学、人工智能、自动化、数学、电子信息等相关专业硕士及以上学历。

经验：具有3年以上计算机视觉或自动驾驶相关算法研发经验，有自动驾驶公司数据自动标注AI模型成熟工作经验者优先。

核心技术能力

感知算法功底：熟悉BEV感知、Transformer、Occupancy Network等主流感知模型，深入理解目标检测（2D/3D）、语义/实例分割、多目标跟踪、多传感器融合等经典任务。熟悉激光雷达/图像/融合的目标检测与跟踪、三维重建、视频分析等技术中的至少1项。

自动标注实战经验：具有自动/半自动标注算法开发或落地经验，熟悉4D GT构建、高精地图自动化标注、大模型自动标注等业务场景。熟悉自车运动估计、视觉/激光雷达SLAM、多次采集配准（multi-trip registration）、多传感器融合等核心技术。

工程实现能力：编程功底扎实，精通Python/C++，熟练使用PyTorch/TensorFlow等深度学习框架，熟悉Linux/Git等研发工具。具备云端模型训练、部署与性能优化经验。

大模型应用能力：熟悉多模态大模型（如GPT-4V、SAM、LLaVA、GroundingDINO等）在自动标注场景中的应用，有VLM微调与下游任务适配经验者优先。

综合素质

具备优秀的逻辑分析与攻坚克难能力，能够独立承担复杂技术模块的研发与落地。

具备良好的跨团队沟通与协作能力，能与感知、规划、数据平台、工程部署等团队高效协同。

对前沿技术保持高度敏感与好奇心，有持续跟进学术论文并将其转化为工程方案的经验。

加分项

在CVPR/ICCV/ECCV/ICML/NeurIPS等顶会或TPAMI/IJCV等顶刊发表过自动驾驶感知或自动标注相关论文。

具有自动标注数据超过100万+clips的生产经验。

熟悉前馈重建、占据网络、BEV感知等方向的实战经验。

有open-world / long-tail / weak-supervision / corner-case研究经验。

熟悉基于数据分布的异常检测、主动学习机制，能支持自动标注质量控制与迭代。