职位详情

职位列表 链接有效 不适用(官网全量采集) official:baidu:c259a4a3-f685-4a17-97aa-8ee19ff7257d

2027AIDU-基础模型架构师(J99976)

未披露 · 北京市 · 百度

主分类:机器人与自动驾驶算法研发
算法与数据
辅助:大模型与生成式算法研发(仅展示)
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "2027AIDU-基础模型架构师(J99976)",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京市",
        "work_mode": "未披露",AI生成
        "job_category": "技术"AI生成
    },
    "company": {
        "company_name": "百度",
        "company_industry": "互联网 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "baidu.com",
        "company_description": "百度围绕搜索发展人工智能技术,业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "计算机科学、电子信息、自动化、车辆工程等相关专业全日制硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 基础模型\n-构建自动驾驶统一模型底座,研发多模态主干结构和子任务;模型蒸馏与轻量化;\n-结合语言对齐、生成式自监督、半监督等技术,研发大规模预训练,提升复杂场景下的泛化能力与鲁棒性;\n2. 数据与模型迭代\n-结合3D几何及重建等技术,建设数据自动化产线-设计并实现多阶段预训练-后训练的流程建设与数据使用策略。",
        "requirements_text": "1. 计算机科学、电子信息、自动化、车辆工程等相关专业全日制硕士及以上学历,研究方向聚焦计算机视觉、深度学习、机器人等领域;\n2. 熟悉主流深度学习框架,精通模型训练、调优及部署全流程;\n3. 具备大模型(如Transformer、多模态融合模型等)研发经验,熟悉分布式训练、混合精度加速等技术;\n4. 扎实的编程功底,熟练掌握Python/C++,具备高性能代码优化与复杂系统开发能力;\n5. 对自动驾驶技术有强烈热情,具备优秀的学习能力与技术敏锐度;\n6. 在CVPR/ICCV/ECCV/NeurIPS/ICML等顶会或顶级期刊发表过一作论文者优先;\n7. 有自动驾驶、机器人或AI大模型相关项目实践经验者优先;\n8. 熟悉大规模数据处理工具,有大规模分布式模型训练(千卡以上)经验者优先。\n\n招聘部门:自动驾驶技术部",
        "skills": [AI生成
            "Python",
            "C++",
            "深度学习",
            "计算机视觉",
            "模型训练",
            "学习能力",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "6. 在CVPR/ICCV/ECCV/NeurIPS/ICML等顶会或顶级期刊发表过一作论文者优先;7. 有自动驾驶、机器人或AI大模型相关项目实践经验者优先;8. 熟悉大规模数据处理工具,有大规模分布式模型训练(千卡以上)经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.baidu.com/jobs/detail/GRADUATE/c259a4a3-f685-4a17-97aa-8ee19ff7257d"
            }
        ]
    },
    "posting": {
        "posting_id": "c259a4a3-f685-4a17-97aa-8ee19ff7257d",
        "post_date": "2026-05-12",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/c259a4a3-f685-4a17-97aa-8ee19ff7257d"
    },
    "fulltext": "2027AIDU-基础模型架构师(J99976)\n2027AIDU-基础模型架构师(J99976)\n\n基础信息\n地点:北京市\n项目:AIDU项目\n类别:技术\n招聘人数:0\n发布时间:2026-07-21\n\n工作职责\n1. 基础模型\n-构建自动驾驶统一模型底座,研发多模态主干结构和子任务;模型蒸馏与轻量化;\n-结合语言对齐、生成式自监督、半监督等技术,研发大规模预训练,提升复杂场景下的泛化能力与鲁棒性;\n2. 数据与模型迭代\n-结合3D几何及重建等技术,建设数据自动化产线-设计并实现多阶段预训练-后训练的流程建设与数据使用策略。\n\n职责要求\n1. 计算机科学、电子信息、自动化、车辆工程等相关专业全日制硕士及以上学历,研究方向聚焦计算机视觉、深度学习、机器人等领域;\n2. 熟悉主流深度学习框架,精通模型训练、调优及部署全流程;\n3. 具备大模型(如Transformer、多模态融合模型等)研发经验,熟悉分布式训练、混合精度加速等技术;\n4. 扎实的编程功底,熟练掌握Python/C++,具备高性能代码优化与复杂系统开发能力;\n5. 对自动驾驶技术有强烈热情,具备优秀的学习能力与技术敏锐度;\n6. 在CVPR/ICCV/ECCV/NeurIPS/ICML等顶会或顶级期刊发表过一作论文者优先;\n7. 有自动驾驶、机器人或AI大模型相关项目实践经验者优先;\n8. 熟悉大规模数据处理工具,有大规模分布式模型训练(千卡以上)经验者优先。\n\n招聘部门:自动驾驶技术部\n1. 基础模型\n-构建自动驾驶统一模型底座,研发多模态主干结构和子任务;模型蒸馏与轻量化;\n-结合语言对齐、生成式自监督、半监督等技术,研发大规模预训练,提升复杂场景下的泛化能力与鲁棒性;\n2. 数据与模型迭代\n-结合3D几何及重建等技术,建设数据自动化产线-设计并实现多阶段预训练-后训练的流程建设与数据使用策略。\n1. 计算机科学、电子信息、自动化、车辆工程等相关专业全日制硕士及以上学历,研究方向聚焦计算机视觉、深度学习、机器人等领域;\n2. 熟悉主流深度学习框架,精通模型训练、调优及部署全流程;\n3. 具备大模型(如Transformer、多模态融合模型等)研发经验,熟悉分布式训练、混合精度加速等技术;\n4. 扎实的编程功底,熟练掌握Python/C++,具备高性能代码优化与复杂系统开发能力;\n5. 对自动驾驶技术有强烈热情,具备优秀的学习能力与技术敏锐度;\n6. 在CVPR/ICCV/ECCV/NeurIPS/ICML等顶会或顶级期刊发表过一作论文者优先;\n7. 有自动驾驶、机器人或AI大模型相关项目实践经验者优先;\n8. 熟悉大规模数据处理工具,有大规模分布式模型训练(千卡以上)经验者优先。\n\n招聘部门:自动驾驶技术部",
    "standard_classification": {
        "std_category_code": "T013",
        "std_aux_codes": [
            "T010"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}