（校招）仿真开发工程师

方向一：数据闭环与智能挖掘

1. 负责自动驾驶海量摄像头数据的语义理解与挖掘，利用VLM（视觉语言大模型）等技术构建高效的数据标签体系；

2. 探索并研发基于规则、知识图谱（Knowledge Graph）及大模型的复杂场景挖掘策略，提升高价值数据（Corner Case）的挖掘准确率与召回率；

3. 研发基于图像/视频内容的特征提取与向量检索算法，优化相似场景检索方案；

4. 参与数据ETL链路建设，结合主动学习/半监督学习等策略，提升数据闭环的自动化与智能化水平。

方向二：生成式仿真与引擎研发

1. 负责基于3D Gaussian Splatting (3DGS)、NeRF等前沿神经渲染技术的自动驾驶场景重建算法研发；

2. 探索生成式AI在仿真场景生成中的应用，实现路测场景的高保真重建、动态元素替换与数据增强，有效扩展训练数据集；

3. 负责生成式仿真引擎的架构设计与核心代码开发，将前沿生成模型与3DGS算法进行工程化落地，实现高性能的实时渲染与物理交互；

4. 优化3DGS模型的显存占用与渲染性能，搭建并完善三维重建数据闭环，支撑端到端自动驾驶模型的训练与评测

1. 202X届海内外应届毕业生，本科及以上学历，计算机科学、人工智能、自动化、车辆工程等相关专业；

2. 具备扎实的编程基础，熟练掌握Python，熟悉C++，具备良好的数据结构与算法功底及工程落地能力；

3. 熟练掌握PyTorch等主流深度学习框架，具备优秀的模型部署与推理能力，能够独立完成模型的工程化调用、推理加速及系统集成；

4. 有计算机视觉/多模态大模型（VLM/VLA），熟悉图像/视频语义理解、向量检索、相似场景匹配等项目经验者优先；

5. 数据挖掘与知识表示，熟悉复杂场景挖掘逻辑，了解知识图谱构建、图数据库或基于规则/大模型的推理引擎；

6. 三维视觉/计算机图形学，熟悉3DGS、NeRF等多视图几何与神经渲染技术，有大规模场景重建或显存优化经验者优先；

7. 具备优秀的工程化落地能力，熟悉Unreal Engine/Unity等主流游戏引擎，或有自研图形渲染管线、物理仿真引擎开发经验者优先；

8. 具备优秀的英文文献阅读能力，在CVPR、ICCV、ECCV、NeurIPS、SIGGRAPH等顶级会议发表过相关论文者优先；

9. 对自动驾驶行业充满热情，具备良好的逻辑思维、跨团队沟通能力与抗压能力