Artificial Intelligence-算法实习生

1. 01

   技术调研与方案预研 * 调研自动驾驶世界模型、4D场景生成主流方案（Flow Matching、Rectified Flow、DiT扩散模型）； * 针对鬼探头、极端天气、人车强交互等智驾Corner长尾场景，对比各技术路线优劣，输出结构化调研报告与落地建议。

2. 02

   世界模型算法迭代与场景生成 * 参与基于Flow/DiT/VAE的驾驶世界模型训练、微调与调试，搭建可控场景生成管线； * 基于文本、掩码、参考特征等条件，批量生成高保真高危、稀缺Corner场景，补齐真实路测数据短板； * 优化生成效果，保障场景时序平滑、物理规则与交通逻辑合理。

3. 03

   数据集搭建与数据闭环 * 协助筛选真实路测长尾场景样本，构建多模态生成条件数据； * 参与训练数据集清洗、均衡、优化，配合开展消融实验； * 产出高质量生成场景数据，支撑智驾感知、预测、端到端模型迭代训练，完善数据闭环。

4. 04

   实验评测与技术沉淀 * 负责模型参数调优、采样器优化，开展消融对照实验； * 搭建量化评测标准，评估生成场景真实性、合理性与数据价值； * 跟进行业前沿技术，复现开源方案，沉淀实验文档与技术成果，支持专利/论文产出

基础要求 - 硕士及以上在读，计算机、人工智能、自动化、机器人、车辆工程、数学等相关专业； - 熟练 Python、PyTorch，精通深度学习训练、微调、消融实验完整流程； - 扎实掌握生成式模型基础：Diffusion / Flow Matching / Rectified Flow / DiT / VAE，理解训练加噪、ODE推理、速度场预测核心逻辑； - 熟悉Transformer、潜空间生成、多模态条件生成基本原理。 核心能力偏好（优先录取） - 有World Model、视频生成、场景生成、Flow Matching、DiT任意一项项目/复现经验； - 理解自动驾驶场景特点，了解BEV/Occupancy/时序预测/车路交互优先； - 做过可控生成、局部编辑、文本代理数据、多条件引导生成（CFG）经验优先； - 具备独立调研、复现论文、排查模型问题、落地工程能力。 加分项 - 复现过 Wan/SD3/GenAD/DriveWorld 等世界模型、驾驶生成模型； - 有顶会论文、开源项目、生成模型竞赛经历； - 熟悉自动驾驶数据闭环、仿真场景、Corner Case挖掘与扩充。 注：若有其他疑问 可邮件咨询internrecruit@didiglobal.com