VLM/VLA 自动标注算法工程师

职位简介

团队聚焦云端大模型算法研发，包括 VLM/VLA、世界动作模型（WAM）等，负责自动驾驶数据闭环与数据治理。你将研发场景打标、动作打标、长时序描述和数据配比算法，构建数据图谱与分层治理能力，支持云端基座大模型和端到端智驾模型持续迭代。

岗位职责

1.研发数据驱动的云端基座大模型，基于海量量产数据开展无监督/自监督学习，提升场景语义理解、时空感知、推理预测能力。

2.基于 VLM/VLA、WAM 研发场景打标、动作打标、行为语义、驾驶意图、交互关系、风险等级和长时序描述，建设多层级标签体系。

3.利用语义标签、长时序描述、向量化或隐空间表征构建数据图谱，支持场景/动作/难度分层、长尾识别和 OOD 发现。

4.研发数据筛选、采样、配比和课程学习策略，支持训练集、验证集、测试集构建发布，提升数据闭环和模型迭代效率。

5.建设多传感器时空自动打标产线与质量校验、版本追踪机制，处理标签不一致、覆盖不足、分布偏差等问题。

6.推进车云一体化大模型与自训练流水线；结合 PPO、DPO、GRPO、SAC 等强化学习优化长尾场景后训练。

7.优化大规模离线/增量推理、分布式训练推理和资源成本，与算法、数据、标注、工程团队协作落地。

任职要求

1.计算机、人工智能、自动化、数学等相关专业硕士及以上，博士优先；深度学习与强化学习基础扎实。

精通 VLM/VLA 端到端自动驾驶模型原理与全链路研发，熟悉跨域泛化、域自适应、微调蒸馏；熟练掌握 PPO、DPO、GRPO 等强化学习算法，有智驾或机器人落地经验优先。

2.熟悉自动驾驶感知、预测、规划、控制全链路；熟悉场景理解、行为/动作识别、意图识别、长时序建模、标签体系设计与数据配比，有数据图谱、分层治理、质量分析或数据版本管理经验。

3.熟练使用 PyTorch，具备分布式训练/推理和大规模数据处理能力；沟通协作与项目推进能力强，有良好技术文档习惯。

加分项

1.参与过自动驾驶或机器人技术路线、算法体系标准搭建；深耕 VLM/VLA 预训练、后训练，有落地成果或顶会论文、核心专利。

2.有场景打标、动作打标、数据配比、数据图谱、难例挖掘或数据闭环落地经验。

3.熟悉 CLIP、SAM、DINO、LLaVA、Qwen-VL、InternVL 等模型，或 ROS/ROS2、MCAP、PCAP、图像/视频/点云/JSON/Protobuf 等数据格式；有云平台、分布式存储、容器化、Ray/Spark、MLOps 或大模型推理优化经验。