招聘内容:

‼️ 目前专项人才计划有6个实习生岗位急招中，投递简历会优先筛选，感兴趣的同学们快快上车！

🎓 面向人群：2026年9月1日及以后毕业的海内外在读硕博生

📍 岗位城市：北京、上海

⚡️ 急招岗位

1️⃣ 端到端仿真算法实习生

🧠 工作职责

- 探索并研发下一代自动驾驶仿真核心算法,推动技术创新与迭代。

- 开发针对端到端自动驾驶模型的场景重建算法,包括障碍物重建、地图元素重建等。

- 优化场景重建算法的精度和性能,确保算法在实际应用中的可行性和高效性。

⏩ 任职要求

1、计算机科学、自动化、车辆工程、数学、物理等相关专业，硕士及以上学历

2、精通C++或Python编程，深入理解计算机体系结构、数据结构和算法设计

3、具备优秀的分析问题和解决问题的能力，能够在复杂的场景中构建高效的算法

4、对自动驾驶、仿真技术及相关前沿领域有浓厚的兴趣，愿意深入探索与学习

5、具备良好的团队协作能力，能与跨部门的技术团队紧密配合，推动项目的成功落地

6、熟悉深度学习框架(如TensorFlow、PyTorch等)，有扩散模型(Diffusion Models)或其他生成式模型开发经验者优先

7、了解机器人算法，熟悉强化学习，有相关开发经验者优先

2️⃣ 世界模型算法研究实习生-具身智能方向

🚗 工作职责

- 参与具身世界模型算法的研发，通过设计创新的世界生成技术，构建可供机器人训练的虚拟训练场。

- 跟踪世界模型、具身智能领域国际顶会顶刊最新研究动态，挖掘创新技术方向，提出可落地的技术解决方案，探索世界模型在工业巡检、服务机器人等多元场景的技术应用与落地机会

⏩ 任职要求

1、计算机科学、人工智能、机器人学、自动化、机器学习等相关专业，硕士及以上学历，具备扎实的数学基础、机器学习与深度学习知识体系

2、熟悉世界模型相关核心算法（如NeRF、GNN、强化学习、多模态融合等），具备环境建模、动态场景预测、决策规划相关算法研发经验，能独立完成算法设计与优化

3、掌握计算机视觉、机器学习核心理论，精通机器人运动学、动力学相关知识，具备复杂场景的数学建模与分析能力，能解决世界模型研发中的复杂技术难题

4、具备较强的系统性思考与创新能力，能跟踪领域前沿动态并转化为技术落地方案；具备良好的沟通能力、自驱力与团队协作精神，能独立完成核心研发任务并推动项目进展

相关研究课题（包括但不限于）：

1、具身世界模拟器：生成式的高保真、强物理交互的具身虚拟训练场

2、具身视频表征学习：大规模视频自监督学习,提取能够同时理解几可、语义、动作意图等底层特征

3️⃣ 模型训练平台实习生

🤖 工作内容

你将参与解决自动驾驶大规模模型训练中的核心系统问题，包括：

- 设计与优化自动驾驶模型的 大规模训练基础设施

- 提升 万卡GPU训练集群 的训练效率与系统稳定性

- 构建可扩展的 PB级自动驾驶数据训练 pipeline

- 分析并解决分布式训练中的性能瓶颈，包括 GPU利用率、通信开销、I/O吞吐等问题

- 与自动驾驶算法团队协作，加速感知、多模态及端到端模型的训练迭代

⏩ 任职要求

【基本要求】

1、计算机科学、人工智能或相关方向 在读博士

2、扎实的编程基础，熟练掌握 Python 或 C++

3、熟悉至少一种深度学习框架，例如 PyTorch

4、熟悉 Linux开发环境，具备良好的系统调试能力

5、对 大规模机器学习系统、分布式训练或AI基础设施 有浓厚兴趣

【加分项】具备以下经验之一者优先：

1、分布式训练经验（DDP / FSDP / DeepSpeed / Megatron 等）

2、CUDA或GPU性能优化经验

3、大规模训练系统或训练平台研发经验

4、自动驾驶相关模型经验（BEV感知、3D检测、多模态融合等）

5、熟悉高性能通信或GPU集群技术（如 NCCL、RDMA、InfiniBand）

6、在 MLSys / 系统 / AI 顶会（如 OSDI、MLSys、NeurIPS 等）有相关研究成果

【关于团队】

我们正在构建支撑下一代自动驾驶模型的大规模训练基础设施。平台每天处理PB级自动驾驶数据，在万卡规模GPU集群上运行大规模分布式训练任务，为感知、预测和端到端驾驶模型提供高效稳定的训练能力。

团队聚焦大规模机器学习系统(ML Systems)与训练基础设施(Training Infrastructure)，解决自动驾驶模型训练中的核心系统问题，包括分布式训练效率、数据管线扩展性、以及超大规模GPU集群的稳定性与资源利用率优化。

4️⃣ VLA算法实习生

💻 工作职责

- 突破时序编码瓶颈：引入 Test-time-training 等技术，实现对物理世界时序信息的高效压缩与编码，在保持性能的同时，将 token 规模与算力开销降至可部署级别。

- 构建场景化 VLA 数据体系：基于驾驶场景，构建覆盖空间感知、时序行为、长尾场景与因果推理的结构化数据体系，提升模型对物理世界的理解深度。

- 实现实时闭环决策：在车载边缘设备上实现 24FPS 以上的实时推理，让模型从 “被动感知” 进化为 “主动决策”，支撑自动驾驶的长程规划与安全交互。

⏩ 任职要求

1、计算机、数学等相关专业在读硕士及以上学历；

2、具备扎实的数学和机器学习基础；

3、具有较强的编程能力、英文文献阅读能力、自我学习能力；

4、实习时间6个月以上，自我驱动，针对某一个方向独立深入研究，或参与主版本迭代。

【课题背景】

在自动驾驶等复杂场景中，智能系统需要对高吞吐、长时序的视觉流进行实时处理，同时兼顾低延迟、长时记忆与资源高效性。传统视觉语言动作（VLA）模型在处理 30 秒级视频时，token 规模可达百亿级，算力与内存开销难以支撑车载边缘设备的实时运行，且在物理世界时序信息的压缩编码、长程场景连贯性推理上存在明显短板。

我们需要突破现有 VLA 模型的架构瓶颈，构建能在车载边缘设备上实时运行、兼具细粒度感知与长程因果推理能力的新一代模型。

【研究愿景】

构建 “物理世界时序编码 — 实时感知推理 — 闭环决策规划” 的一体化 VLA 模型，让智能体在端侧算力下，对动态物理世界实现毫秒级感知、推理与持续决策，最终支撑自动驾驶等场景下的类人级实时交互。

5️⃣ 世界模型算法实习生

🌍 岗位职责

- 通用视觉表征模型构建：构建一套新的视觉表征模型框架与训练范式，使得学习的表征能够富含运动表征，3D表征，以及语言表征；

- 构建世界模型：面向自动驾驶场景，构建一套富含空间建模，运动建模，以及因果推理的世界模型的架构与训练范式；

- 自我学习与更新：在这套范式下，探索自我学习与更新迭代的范式，实现长尾场景的自我迭代与学习的能力；

⏩ 任职要求

1、计算机、数学等相关专业在读硕士及以上学历；

2、具备扎实的数学和机器学习基础；

3、具有较强的编程能力、英文文献阅读能力、自我学习能力；

4、实习时间6个月以上，自我驱动，针对某一个方向独立深入研究，或参与主版本迭代。

【课题背景】

自动驾驶场景具有复杂的高频动态交互，超长时间记忆，异形物多样等各种复杂问题，当前基于白盒的端到端方案无法实现极高安全性与舒适性的类人驾驶。我们需要突破当前的技术架构的瓶颈，构建一个上限更高，面向L4/L5级的自动驾驶的方案与框架，并且能够在车端边缘设备上实现控制规划。

【研究愿景】

构建模拟世界基本动态的统一模型-世界模型，并以世界模型为中心，构建下一代自动驾驶与物理AI的方案。

6️⃣ 端到端算法实习生

⚙️工作职责

【工作目标】跟踪智驾技术发展，验证相关技术，探索更先进技术

【岗位职责】探索自动驾驶前沿算法方向，跟踪并复现自动驾驶领域前沿论文

⏩ 任职要求

- 博士，计算机 / 人工智能 / 自动化等相关专业（CVPR / ICLR / NeurIPS 等顶会论文作者优先）

- 熟悉端到端自动驾驶、轨迹预测、模仿学习、RL等相关算法

- 了解基于 BEV、Transformer等的主流感知建模方法

- 熟练使用 Python，熟悉 PyTorch 等深度学习框架

- 学习能力强，具备良好的沟通能力和独立推进问题的能力

- 英语阅读和写作能力良好，可独立完成论文撰写