比亚迪｜高级算法工程师

1.独立设计并搭建机器学习、数据科学算法模型，持续优化模型精度与业务效果。 2.负责大模型Agent、智能问答、知识体系优化，完成检索、生成效果调优，落地智能体业务场景。 3.独立构建高质量训练、推理数据集，设计数据过滤、增强、评估方案。 4.独立输出专业数据分析报告、算法结论，推动模型及分析成果在营销、供应链等业务落地。 协助带教初级工程师，沉淀算法开发规范与技术经验。 1、负责视觉语言模型(VLM)、视觉生成模型等世界模型、自动驾驶及机器人VLA/WAM的模型算法研发，包含模型架构研发、数据体系与训推范式研发； 2、负责视觉语言模型(VLM)、视觉生成模型等世界模型、自动驾驶及机器人VLA/WAM等方向构建开源研究体系，提高比亚迪在AI模型研发领域的学术声誉； 3、负责满足自动驾驶自研/机器人/大模型业务场景的算法预研需求，为各个业务下一代算法方案落地提供领先业界一代的基础技术。 1、智能体设计与开发：基于大语言模型开发各类智能体应用，包括但不限于代码助手、文档生成工具、自动化流程等； 2、效率工具构建：开发提升研发团队工作效率的AI工具和平台； 3、模型集成与优化：将大模型能力集成到现有系统中，进行性能调优； 4、技术调研与创新：跟踪前沿技术动态，探索智能体在不同业务场景的应用可能性。 1、负责世界模型（World Model） 算法的研发与优化，支持 L2+ 至 L4 级别自动驾驶系统的环境建模与时序预测能力； 2、结合世界模型进行端到端算法预研与量产落地，提升端到端模型在真实场景中的泛化性； 3、参与车位到车位端到端智驾全链路研发，实现从感知+决策规划端到端的一体化模型开发与落地； 4、参与VLA大模型 + 世界模型在自动驾驶场景中的适配、训练与迭代，支撑自然语言导航、场景理解、驾驶动作生成； 5、研发自动驾驶世界模型的场景时空建模、未来状态预测、动态交互推演能力，利用生成式 AI 扩充长尾场景，优化端到端策略； 6、负责模型训练、数据闭环、仿真验证、实车调优与车载部署，推进端到端功能量产落地； 7、持续跟进端到端智驾、VLA 大模型、世界模型领域前沿技术，开展技术预研与架构迭代。 1、主导3D高斯溅射（3D Gaussian Splatting）算法开发，包括高斯点初始化、可微分渲染、自适应密度控制（动态分裂/删除冗余点）等核心模块，提升重建精度与效率； 2、结合NeRF、扩散模型（Diffusion）等前沿技术，优化行车场景建模（地面、车辆、柔性物体、行人等）； 3、设计3DGS渲染管线，涵盖模型加载效率优化、单时刻多帧图像渲染方式选择与裁剪等环节，确保实时渲染； 4、优化渲染性能，通过CUDA并行计算、显存压缩等技术，降低延迟与资源消耗。 1、负责具身智能模型算法研发、训练、迭代与效果调优，搭建机器人端到端模型体系； 2、推进模型仿真验证、真机部署落地，完成模型性能评测、问题定位，打通仿真到实体机器人的迁移优化； 3、跟踪具身智能前沿算法、论文与行业方案，开展技术预研，具备一定的行业影响力。 1、参与多传感器（图像、激光雷达、毫米波）融合感知算法的开发与优化，协助完成车道线检测、信号灯/标志牌识别等核心模块工作。 2、参与动静态目标检测、分割、跟踪等核心感知模块的算法设计与实现，配合完成模型训练、调优与测试。 3、协助完成数据采集、生产、回放、清洗、标注、质检等数据全流程工作，支撑算法迭代闭环。 4、参与模型端侧部署与推理加速工作，配合团队完成模型从训练到部署的全流程协同。 5、协助平台方案制定、技术选型评估、传感器规划等工作，了解感知算法整体研发流程。 1、负责对话管理、对话生成、信息检索及推荐系统等关键技术的研发； 2、负责大规模预训练语言模型的研发、部署、微调,主要涉及功能实现、性能优化、系统调优、硬件适配等工作； 3、为产品应用提出定制化模型并工程实现； 4、紧跟NLP最新进展，探索前沿技术并解决产品问题。 1、负责语音识别算法研发，针对在线识别和离线识别技术，优化各种车载场景的字准。 2、负责语音信号处理算法的研发，针对回声消除场景，语音分离场景，打造稳定可靠的语音消除效果，服务于后端唤醒和识别模型。 3、语音合成算法研发，为车机端提供定制化合成，语音复刻等功能。 4、负责声纹识别相关算法研发，在车机端提供身份识别，年龄识别和性别识别等功能。 1、负责自动驾驶端到端大模型（E2E Foundation Model）的系统架构设计，以及与感知域、预测域、执行域的算法接口定义； 2、负责端到端基座模型的预训练（Pre-training）策略开发，包括多模态数据配比及大规模分布式训练架构设计； 3、负责端到端模型的后训练（Post-training）流程开发，涵盖有监督微调（SFT）、基于人类/专家反馈的强化学习、以及针对驾驶行为的偏好对齐（Preference Alignment）； 4、负责模型算法调优，包括纵向/横向/垂向运动输出的回归精度优化、长尾场景覆盖、边界工况（如高速变道、复杂路口）下的策略鲁棒性提升； 5、负责模型量化与部署，包括 INT8/FP8/W4A8 量化方案设计、TensorRT/ONNX 推理图优化、车载芯片（如 Orin、征程）上的端侧部署与实时性达标验证； 6、负责建立端到端模型的闭环评测体系，包括仿真（nuPlan/Waymo Open）与实车数据的 benchmarking，推动模型迭代的数据飞轮建设； 7、参与跨域协同，与底盘控制、动力域及感知团队对齐规控输出接口（如加速度指令、曲率规划、安全边界约束），确保算法可落地执行。 1.负责激光雷达核心算法的设计、开发、优化及产品化落地； 2.负责激光雷达关键性能指标的算法优化，包括探测距离、弱目标检测能力、测距精度、点云质量、虚警率、漏检率及复杂环境适应能力等； 3.负责激光雷达算法仿真、数据分析、实验验证和量产验证； 4.负责关键算法技术预研，针对下一代高性能激光雷达和激光雷达与其它传感器前融和开展前瞻性算法研究； 5.负责激光雷达算法在不同计算平台的协同优化工作； 6.负责核心算法技术文档、算法设计规范、测试规范及技术成果沉淀； 7.对关键技术问题进行技术攻关，并承担相关技术指导和团队技术能力提升工作。 1、负责基座大模型预训练、指令微调、强化学习等全流程训练方案设计与实施； 2、优化训练数据配比、清洗及质量评估策略，提升模型基础能力； 3、 设计并调优训练超参数、学习率调度、模型并行策略，提升训练效率； 4、 跟踪前沿训练技术（如MoE、FlashAttention、长上下文扩展），推动模型迭代； 5、 参与训练框架（如Megatron、DeepSpeed）的定制开发与性能优化； 6、 配合推理团队完成模型压缩、量化及部署适配； 7、 编写训练日志、实验报告，沉淀训练方法论。 "1、 研发机器人场景下的语音分离与降噪算法，提升复杂环境下的语音清晰度； 2、设计并优化端侧轻量化模型，满足机器人低延迟、低功耗需求； 3、构建多通道麦克风阵列处理方案，实现声源定位与波束成形； 4、 负责数据采集、标注及仿真环境搭建，提升模型泛化能力； 5、 跟踪前沿技术（如自监督分离、扩散模型降噪），推动算法迭代； 6、 配合嵌入式团队完成模型部署及性能调优； 7、 撰写技术文档与实验报告，沉淀算法经验。" 1、主导收集、清洗、标注和分析大规模数据集，为模型训练提供高质量的数据支持，增强模型的性能； 2、负责移植图像处理、机器视觉等算法至相关产品、设备平台，保证算法的落地； 3、负责实施零部件详细结构设计，输出数模、图纸以及相关技术文档，确保产品符合客户需求； 4、负责相关产品软件算法的设计与开发，完成产品算法功能落地与推广应用； 5、负责新技术新算法的预研、孵化和移植工作，完成新算法技术的推广应用； 6、负责对现有算法的升级和优化，改善算法落地过程中的现存问题，持续优化算法技术； 7、跟踪相关领域的技术发展趋势，形成技术分析报告。

学历 本科及以上学历。 专业 人工智能、计算机、数学、统计学、数据科学等相关专业。 语言 CET-4优先。 知识技能 1.熟悉Python、SQL，熟练运用各类机器学习、深度学习、时序预测算法。 2.熟悉Agent、大模型应用、智能问答体系，熟悉多模态、检索优化技术。 3.具备良好业务理解能力，可结合业务痛点设计算法方案并落地闭环。 4.具备优秀的数据洞察、报告撰写与跨部门沟通推进能力。 【知识技能要求】 a. 算法研发经验（核心业务能力） 自动驾驶端到端/世界模型/VLA/WAM 算法（BEV/动静 /端到端/VLA/WAM） 机器人世界模型/VLA/WAM 算法（π/GR00T等前沿方法） RL/LLM/NLP/机器人/CV/搜索推荐 之一模型训练 推理优化方向（C/C++/Python + CUDA + TVM / TensorRT / Triton / Cutlass） b. 大模型训练 / 推理工程能力（工具栈） 训练框架熟练：veOmni / veRL / DeepSpeed / Megatron 推理框架熟悉：TVM / TensorRT / Triton / Cutlass 性能 profiling：Nsight 等工具 AI 辅助编程：Claude Code 等工具 【学历要求】硕士/博士 【外语要求】CET-6优先 【专业要求】计算机类/信息与通信工程类/电气工程类 【地点】深圳/北京/上海 知识技能要求：a.扎实的Python编程基础，熟悉主流深度学习框架（PyTorch、TensorFlow等）；b.了解大语言模型（LLM）原理及主流模型；c. 熟悉智能体开发框架（如LangChain、AutoGPT、CrewAI等）；d. 掌握机器学习基础概念，了解RAG、Fine-tuning等技术；e.熟悉Git版本控制，具备良好的代码规范。 学历要求：硕士/博士 外语要求：CET-6优先 1、学历专业：硕士及以上学历，计算机科学、人工智能、自动化等相关专业（博士优先）。 2、编程与框架：熟练掌握Python，熟练使用PyTorch或TensorFlow； 3、深度学习基础：深入理解CNN/Transformer/扩散模型等基础架构原理； 4、科研素养：具备良好的文献阅读能力、实验设计能力与论文写作能力； 5、问题拆解能力：能够将复杂驾驶场景抽象为可建模的AI问题。 加分项 ： 1、在CVPR/ICCV/ECCV/NeurIPS/ICLR/ICML等顶会发表过论文（一作或共同一作）； 2、有计算机视觉/生成模型/世界模型/多模态大模型相关科研项目或实习经历； 3、有ACM-ICPC等编程竞赛获奖经历； 4、有开源项目核心贡献经历。 1、精通线性代数、概率论、优化理论，熟悉深度学习模型（Transformer、CNN、RNN 等）、生成式模型（如StableDiffusion等）； 2、具备扎实的计算机视觉、多视图几何、SLAM、NERF、3DGaussian Splatting等理论基础； 3、精通 Python/C++编程，熟悉常用深度学习框架（PyTorch/TensorFlow）和点云处理库（PCL/Open3D）； 4、有相关方向的顶会、顶刊论文发表加分，有国际竞赛获奖经历加分。 1、硕士及以上，计算机、机器人等相关专业，熟练使用 C++/Python语言及常见的数据结构； 2、对以下至少一个方面有实际经验：LLM/VLM、VLA、World Model、RL； 3、有大模型/具身模型开发优化经历，具备优秀的算法探索及工程实现能力。 1、本科及以上学历，计算机、人工智能、电子信息、自动化、测绘遥感等相关专业。 2、具备扎实的编程基础，熟练掌握 Python/C++ 至少一门编程语言，有相关项目或实践经历者优先。 3、了解深度学习基础知识，对目标检测、图像分割、多传感器数据处理或目标跟踪等感知算法有基本认识，有相关竞赛、课题、实习经历者优先。 4、对智能驾驶、多传感器融合感知领域有浓厚兴趣，具备较强的自主学习能力与逻辑思维能力。 5、具备良好的团队协作意识与沟通能力，做事踏实负责，能主动跟进任务。 1、硕士及以上学历，计算机、通信、数学等相关专业；在数学或编程竞赛中有突出表现者优先；良好的中英文文献阅读能力，能够快速使用开源框架。 2、深入理解 LLM 技术栈（如 RLHF、Context Engineering、LoRA 微调等），具备单模态/多模态 LLM 训练、部署与蒸馏的实践经验。 3、深入理解CV目标检测、图像分类、图像分割等算法，具有对应项目实践经验。 4、精通 Python/PyTorch，熟悉 CUDA 优化，具备扎实的 Python/C++ 编程能力；熟练使用PyTorch、Keras、Megatron等主流深度学习框架，熟悉DP、TP等并行技术。 1、硕士及以上学历，有机器学习，深度学习方面的背景； 2、熟悉语音识别，信号处理，语音合成，声纹识别等几个方向中的一个； 3、熟悉tensorflow，pytorch等模型训练工具，编程功底扎实； 4、具有较强的自驱能力和钻研精神，具有良好的沟通能力和团队合作能力，综合能力较强。 1、熟悉自动驾驶规划控制系统，理解纵向/横向运动控制、能量回收协调、轨迹跟踪等底层执行逻辑，具备将物理约束融入模型输出的能力。 2、至少具备以下一项大模型方向的项目开发经验： - 端到端自动驾驶模型（如 UniAD、VAD、DriveVLM、Senna） - 大语言/多模态模型预训练或后训练（SFT/RLHF/DPO） - 视觉-语言-动作模型（VLA）在机器人或驾驶场景的落地 3、精通 Python/C++，熟练使用 PyTorch；熟悉 CUDA 编程或 Triton kernel 开发者优先。 4、熟悉以下一种或多种规控相关方法，并理解其与神经网络输出的结合方式。 - 基于优化的方法：MPC、iLQR、轨迹优化 - 基于学习的方法：Imitation Learning、Offline RL、World Model 5、熟悉模型轻量化技术，包括量化（PTQ/QAT）、蒸馏（Knowledge Distillation）、剪枝（Pruning）及 TensorRT/vLLM 推理加速。 6、熟悉车辆运动学与动力学理论，理解轮胎模型、自行车模型等物理约束对规控输出的边界意义。 7、具备良好的跨团队沟通能力，能与感知、底盘、芯片等多域团队高效协作，推动算法从离线指标到实车落地的完整闭环。 【加分项】有nuPlan/Carla闭环仿真经验；参与过Waymo/nuScenes等公开benchmark竞赛；有车载芯片（Orin/BPU/NPU）部署调试经验。 1.博士研究生学历，电子信息、通信、自动化、计算机、光电、数学、物理等相关专业； 2.具备扎实的数字信号处理、概率统计、数值分析、优化理论等基础； 3.熟悉信号检测、滤波、FFT、峰值检测、参数估计、统计建模等常用算法； 4.具备较强的数学建模和算法抽象能力，能够从物理机理、数据特征及数学模型出发解决复杂工程问题； 5.熟悉C/C++、Python、MATLAB等一种或多种开发语言； 6.有激光雷达、SPAD、ToF、雷达信号处理、计算机视觉、3D感知、机器人等相关研究或项目经验优先； 7.具有较强的算法工程化意识，能够将理论算法转化为可实现、可验证、可量产的工程算法； 8.具有高水平论文、专利、科研项目或产业化项目成果者优先； 9.具有较强的跨专业协同能力，能够与芯片、硬件、光学及软件团队共同解决系统级问题。 知识技能要求：熟悉Transformer架构，精通PyTorch，有大规模分布式训练经验 学历要求：博士 外语要求：能流畅阅读前沿论文 知识技能要求：精通深度学习与信号处理，熟悉RNN/Transformer及降噪模型，有实时音频处理经验 学历要求：硕/博士 外语要求：英能阅读国际论文 知识技能要求:1.熟悉数据分析、信号与系统、、软件工程基础理论、机器人学运动学等相关知识； 2.熟悉自动控制原理、现代控制理论； 3.熟悉机器学习算法、深度学习算法和优化算法等； 4.熟悉所开发产品的基础知识和控制原理。1.熟悉java/PHP/python/c++/C语言等编程语言； 2.掌握常见的机器学习和深度学习模型； 3.掌握一种或多种深度学习模型的部署方法； 4.掌握至少一种关系型数据库mysql/postgresql等； 5.熟悉多种软件开发工具，包括但不限于‌IntelliJ IDEA/Git/SVN等； 6.掌握Linux服务器的操作； 学历要求：硕士 外语要求：英语+CET4 专业要求：计算机类/信息与通信工程类/电气工程类；计算机、人工智能、自动化等相关专业；声学、信号处理、计算机等相关专业；计算机科学与技术类、控制科学与工程类专业优先