1、参与自动驾驶端到端大模型的研发与优化，覆盖“一段式端到端”与“两段式端到端”两条技术路线，工作内容包括但不限于： （1）一段式端到端（One-Stage E2E）：从多传感器输入（相机/激光雷达/车辆状态等）直接学习输出驾驶行为/轨迹/控制量或等价表示，负责模型结构设计、训练策略、时序建模与稳定性优化； （2）两段式端到端（Two-Stage E2E）：构建“感知/世界表征（如BEV/Occ/拓扑）→决策/规划/控制”的端到端链路，负责中间表征的定义、任务头设计（3D检测/BEV Lane/Occ等）、以及决策模块的联训/蒸馏/对齐； （3）训练与数据：负责训练数据构建（真实+仿真）、样本挖掘、长尾增强、训练调参、效果分析与问题定位，形成可迭代的数据驱动机制； （4）工程化落地：推进模型压缩（剪枝/蒸馏/量化）与推理加速（TensorRT/FP16/INT8等），适配车端算力（Jetson Orin等），保障实时性、稳定性与可回滚上线； （5）系统协同：与感知、预测、规划控制、仿真、数据平台协同，推动端到端模型在自动驾驶系统中的联调、上线与持续迭代。 2、根据项目分工承担模型训练、算法设计、系统实现、性能优化、部署上线等工作，推动端到端模型从原型验证到规模化落地； 3、跟踪端到端自动驾驶、世界模型、生成式建模等前沿研究，结合业务场景开展技术预研与工程验证。 1、硕士及以上学历（博士优先），计算机/人工智能/自动驾驶/机器人等相关专业； 2、熟练PyTorch与Transformer体系，具备扎实的训练调参与debug能力，能独立完成模型研发与实验闭环； 3、具备以下方向中至少两项经验（包括但不限于）： （1）VLA/VLM/LLM：多模态对齐、指令微调、偏好对齐、推理评测体系； （2）自动驾驶场景理解：交通参与者交互、风险评估、交规语义/策略约束； （3）轨迹/行为建模：动作生成、行为克隆BC、强化学习RL或相关策略学习； （4）端侧部署优化：TensorRT、量化/蒸馏、profiling与吞吐/延迟优化（Orin优先）。 4、熟练Python、C++，具备良好工程化能力与代码规范意识； 5、具备较强的系统分析与沟通协作能力，能跨团队推进模型、数据、平台与车端联调上线。