德赛西威｜VLA/世界模型算法实习生

负责自动驾驶VLA视觉-语言-动作多模态模型与世界模型联合研发，依托大模型、生成式时序建模能力，实现交通场景理解、时空推演、智能决策闭环。 参与自动驾驶多模态、时序场景数据集的清洗、对齐与优化，完善场景数据体系，支撑模型训练与迭代。 负责VLA模型微调、轻量化、Prompt优化，落地复杂路况语义理解、自然语言交互、驾驶动作生成能力。 开展自动驾驶世界模型研发，实现交通场景重建、参与者行为预测、长时序场景推演，优化场景泛化与推演精度。 探索VLA与世界模型协同推理、联合训练方案，完成消融实验与效果复盘，输出技术文档，跟进前沿技术落地应用。

硕士及以上在读，计算机、人工智能、计算机视觉、自动化等相关专业，可稳定实习3个月及以上。 扎实的深度学习基础，熟悉Transformer、扩散模型，了解VLA多模态模型、自动驾驶世界模型及时序推演技术。 熟练Python、PyTorch，掌握大模型轻量化微调（LoRA/QLoRA）、多模态数据处理等技能，可独立开展模型训练与实验。 了解自动驾驶基础场景与决策逻辑，有VLA、世界模型、视频生成、场景建模相关项目经验者优先。 具备良好的技术调研与问题排查能力，对自动驾驶AI大模型落地有浓厚兴趣。