主分类：机器人与自动驾驶算法研发
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": "自动驾驶大模型预训练高级算法工程师",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "教育背景：计算机、自动化、数学等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们正在寻找顶尖的大模型预训练算法工程师，加入我们的自动驾驶核心算法团队。你将站在物理AI与自动驾驶的前沿，负责构建下一代端到端自动驾驶基础模型。你的工作将直接决定智能驾驶系统的上限，从海量无标注数据中挖掘驾驶规律，探索World Model（世界模型）与多模态学习的边界，推动L2+至L4级自动驾驶技术的落地与进化。\n主要职责：\n模型研发与创新：负责自动驾驶多模态大模型的预训练框架设计与优化，探索自监督/弱监督学习在长尾场景下的应用，主导视觉-语言-动作（VLA）或多模态对齐技术的研发。\n世界模型构建：深入研究生成式模型（如Diffusion、Autoregressive Model），构建自动驾驶领域的世界模型，提升模型对物理规律、因果关系的理解与推演能力，赋能仿真与规控。\n端到端技术演进：参与或主导基于大模型的端到端规划算法研发，打通从感知到决策的全链路优化，解决传统模块化系统中的信息损耗与累积误差问题。\n大规模训练工程落地：负责千卡级分布式训练的优化，包括但不限于数据并行、模型并行、流水线并行策略，以及显存优化和通信加速，确保训练的高效与稳定。\n技术战略规划：跟踪学术界（CVPR/ICCV/ECCV/NeurIPS等）及业界前沿动态，结合业务实际制定技术路线图，攻克数据闭环中的核心算法难题。",
"requirements_text": "教育背景：计算机、自动化、数学等相关专业硕士及以上学历，博士优先。\n研究能力：\n在自动驾驶、多模态学习、世界模型、具身智能等至少一个领域有深厚积累。\n以第一作者发表过顶会/顶刊论文（如CVPR, ICCV, ECCV, NeurIPS, ICLR, TPAMI等），或有Kaggle、Waymo挑战赛等顶级竞赛获奖经历。\n技术栈：\n精通PyTorch等深度学习框架；精通自监督/弱监督预训练算法、对比学习、掩码建模等技术。\n深入理解多模态融合与对齐机制（如CLIP, BLIP, LLM-based agents）；熟悉扩散模型（Diffusion Models）原理及加速采样技术。\n具备扎实的端到端自动驾驶算法基础，熟悉Planning/Control模块者优先。\n工程能力：\n拥有千卡级GPU集群的分布式训练实战经验，熟悉Megatron-LM, DeepSpeed等框架，能够独立解决大规模训练中的收敛与性能瓶颈。\n具备优秀的代码能力，熟练掌握Python/C++，有良好的系统设计与工程规范意识。\n团队与领导力：\n具有3人以上技术团队管理经验，善于跨团队（如数据平台、仿真、测试、硬件）协调资源，推动复杂项目落地。\n具备清晰的技术战略思考能力，能够从0到1规划技术路径，并拆解执行。\n软性素质：\n安全敬畏心：深刻理解自动驾驶的安全红线，在算法设计中始终将安全性置于首位。\n极客精神：追求算法性能的极致，同时保持务实态度，平衡学术前瞻性与工程落地性。\n适应力：愿意拥抱技术变革，适应创业公司般的高强度迭代节奏，对解决未知难题充满热情。\n加分项：\n在GitHub上有具有影响力的开源项目。\n有LLM（大语言模型）微调、RLHF（人类反馈强化学习）相关经验。\n熟悉车端部署与TensorRT加速，了解嵌入式系统特性。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习",
"强化学习",
"算法设计",
"嵌入式",
"团队管理",
"建模",
"大语言模型"
],
"preferred_qualifications": "教育背景：计算机、自动化、数学等相关专业硕士及以上学历，博士优先；具备扎实的端到端自动驾驶算法基础，熟悉Planning/Control模块者优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7673072515212593434/detail"
}
]
},
"posting": {
"posting_id": "7673072515212593434",
"post_date": "2026-08-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7673072515212593434/detail"
},
"fulltext": "自动驾驶大模型预训练高级算法工程师\n职位描述\n我们正在寻找顶尖的大模型预训练算法工程师，加入我们的自动驾驶核心算法团队。你将站在物理AI与自动驾驶的前沿，负责构建下一代端到端自动驾驶基础模型。你的工作将直接决定智能驾驶系统的上限，从海量无标注数据中挖掘驾驶规律，探索World Model（世界模型）与多模态学习的边界，推动L2+至L4级自动驾驶技术的落地与进化。\n主要职责：\n模型研发与创新：负责自动驾驶多模态大模型的预训练框架设计与优化，探索自监督/弱监督学习在长尾场景下的应用，主导视觉-语言-动作（VLA）或多模态对齐技术的研发。\n世界模型构建：深入研究生成式模型（如Diffusion、Autoregressive Model），构建自动驾驶领域的世界模型，提升模型对物理规律、因果关系的理解与推演能力，赋能仿真与规控。\n端到端技术演进：参与或主导基于大模型的端到端规划算法研发，打通从感知到决策的全链路优化，解决传统模块化系统中的信息损耗与累积误差问题。\n大规模训练工程落地：负责千卡级分布式训练的优化，包括但不限于数据并行、模型并行、流水线并行策略，以及显存优化和通信加速，确保训练的高效与稳定。\n技术战略规划：跟踪学术界（CVPR/ICCV/ECCV/NeurIPS等）及业界前沿动态，结合业务实际制定技术路线图，攻克数据闭环中的核心算法难题。\n\n职位要求\n教育背景：计算机、自动化、数学等相关专业硕士及以上学历，博士优先。\n研究能力：\n在自动驾驶、多模态学习、世界模型、具身智能等至少一个领域有深厚积累。\n以第一作者发表过顶会/顶刊论文（如CVPR, ICCV, ECCV, NeurIPS, ICLR, TPAMI等），或有Kaggle、Waymo挑战赛等顶级竞赛获奖经历。\n技术栈：\n精通PyTorch等深度学习框架；精通自监督/弱监督预训练算法、对比学习、掩码建模等技术。\n深入理解多模态融合与对齐机制（如CLIP, BLIP, LLM-based agents）；熟悉扩散模型（Diffusion Models）原理及加速采样技术。\n具备扎实的端到端自动驾驶算法基础，熟悉Planning/Control模块者优先。\n工程能力：\n拥有千卡级GPU集群的分布式训练实战经验，熟悉Megatron-LM, DeepSpeed等框架，能够独立解决大规模训练中的收敛与性能瓶颈。\n具备优秀的代码能力，熟练掌握Python/C++，有良好的系统设计与工程规范意识。\n团队与领导力：\n具有3人以上技术团队管理经验，善于跨团队（如数据平台、仿真、测试、硬件）协调资源，推动复杂项目落地。\n具备清晰的技术战略思考能力，能够从0到1规划技术路径，并拆解执行。\n软性素质：\n安全敬畏心：深刻理解自动驾驶的安全红线，在算法设计中始终将安全性置于首位。\n极客精神：追求算法性能的极致，同时保持务实态度，平衡学术前瞻性与工程落地性。\n适应力：愿意拥抱技术变革，适应创业公司般的高强度迭代节奏，对解决未知难题充满热情。\n加分项：\n在GitHub上有具有影响力的开源项目。\n有LLM（大语言模型）微调、RLHF（人类反馈强化学习）相关经验。\n熟悉车端部署与TensorRT加速，了解嵌入式系统特性。\n我们正在寻找顶尖的大模型预训练算法工程师，加入我们的自动驾驶核心算法团队。你将站在物理AI与自动驾驶的前沿，负责构建下一代端到端自动驾驶基础模型。你的工作将直接决定智能驾驶系统的上限，从海量无标注数据中挖掘驾驶规律，探索World Model（世界模型）与多模态学习的边界，推动L2+至L4级自动驾驶技术的落地与进化。\n主要职责：\n模型研发与创新：负责自动驾驶多模态大模型的预训练框架设计与优化，探索自监督/弱监督学习在长尾场景下的应用，主导视觉-语言-动作（VLA）或多模态对齐技术的研发。\n世界模型构建：深入研究生成式模型（如Diffusion、Autoregressive Model），构建自动驾驶领域的世界模型，提升模型对物理规律、因果关系的理解与推演能力，赋能仿真与规控。\n端到端技术演进：参与或主导基于大模型的端到端规划算法研发，打通从感知到决策的全链路优化，解决传统模块化系统中的信息损耗与累积误差问题。\n大规模训练工程落地：负责千卡级分布式训练的优化，包括但不限于数据并行、模型并行、流水线并行策略，以及显存优化和通信加速，确保训练的高效与稳定。\n技术战略规划：跟踪学术界（CVPR/ICCV/ECCV/NeurIPS等）及业界前沿动态，结合业务实际制定技术路线图，攻克数据闭环中的核心算法难题。\n教育背景：计算机、自动化、数学等相关专业硕士及以上学历，博士优先。\n研究能力：\n在自动驾驶、多模态学习、世界模型、具身智能等至少一个领域有深厚积累。\n以第一作者发表过顶会/顶刊论文（如CVPR, ICCV, ECCV, NeurIPS, ICLR, TPAMI等），或有Kaggle、Waymo挑战赛等顶级竞赛获奖经历。\n技术栈：\n精通PyTorch等深度学习框架；精通自监督/弱监督预训练算法、对比学习、掩码建模等技术。\n深入理解多模态融合与对齐机制（如CLIP, BLIP, LLM-based agents）；熟悉扩散模型（Diffusion Models）原理及加速采样技术。\n具备扎实的端到端自动驾驶算法基础，熟悉Planning/Control模块者优先。\n工程能力：\n拥有千卡级GPU集群的分布式训练实战经验，熟悉Megatron-LM, DeepSpeed等框架，能够独立解决大规模训练中的收敛与性能瓶颈。\n具备优秀的代码能力，熟练掌握Python/C++，有良好的系统设计与工程规范意识。\n团队与领导力：\n具有3人以上技术团队管理经验，善于跨团队（如数据平台、仿真、测试、硬件）协调资源，推动复杂项目落地。\n具备清晰的技术战略思考能力，能够从0到1规划技术路径，并拆解执行。\n软性素质：\n安全敬畏心：深刻理解自动驾驶的安全红线，在算法设计中始终将安全性置于首位。\n极客精神：追求算法性能的极致，同时保持务实态度，平衡学术前瞻性与工程落地性。\n适应力：愿意拥抱技术变革，适应创业公司般的高强度迭代节奏，对解决未知难题充满热情。\n加分项：\n在GitHub上有具有影响力的开源项目。\n有LLM（大语言模型）微调、RLHF（人类反馈强化学习）相关经验。\n熟悉车端部署与TensorRT加速，了解嵌入式系统特性。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}