（校招）端到端算法工程师-干线

1、参与自动驾驶端到端模型架构研发包括：一段式端到端、两段式端到端、VLA ，完成从原始传感器数据到轨迹 / 控制量输出的全链路建模。

2、负责 VLA 多模态模型设计、预训练、SFT、指令微调、对齐优化，实现视觉、文本驾驶语义、车辆动作的联合对齐，提升复杂城市场景推理、决策泛化能力。

3、构建端到端驾驶数据集，处理多传感器图像、视频、轨迹、驾驶日志、指令样本；设计数据筛选、清洗、增广、标注规范，支撑大模型大规模训练闭环。

4、开展模型训练、调优、评测分析，针对长尾 Corner Case、域偏移、可解释性、时延、鲁棒性问题做算法迭代；搭建离线仿真、影子模式评测体系，定位模型失效问题。

5、跟进业界端到端、VLM/VLA、世界模型、模仿学习、强化学习前沿，做技术调研与原型验证

硬性要求

1、2027 届应届硕士 / 博士，计算机、人工智能、自动化、机器人、电子信息、数学等相关专业。

2、扎实机器学习、深度学习基础，熟悉 Transformer、ViT、LLM/VLM 等主流网络架构；理解监督学习、模仿学习、强化学习基础原理。

3、熟练 Python，精通 PyTorch 深度学习框架；熟悉大模型训练、微调基本流程，具备完整模型训练调优项目经历。

4、良好论文阅读、算法复现能力，具备较强逻辑分析、问题排查能力，乐于跟踪自动驾驶与多模态大模型前沿。

（二）优先加分项

1、对自动驾驶端到端有理解，了解一段式、两段式端到端差异，有 VLA/VLM、具身智能、驾驶决策模型相关项目、竞赛、顶会论文经历优先。

2、了解常见的强化学习算法，包括：SAC，GRPO等。

3、熟悉自动驾驶数据集：nuScenes、Waymo、 driving‑video 数据集；了解轨迹预测、规划决策、感知任务。

4、熟悉多模态对齐、tokenizer、SFT/RL/GRPO 对齐、视频生成、世界模型相关技术。

5、了解仿真、影子模式、实车闭环流程；了解模型推理优化、部署相关知识。

6、有开源项目贡献，CV/AI 顶会论文、算法竞赛获奖经历优先