岗位职责： 1、基于强化学习（RL）算法（如PPO、SAC、MuZero、GRPO、DPO等）研发自动驾驶决策与控制模型，优化车辆在复杂场景下的行为策略。 2、基于Transformer、Diffusion、Flow Matching/ Rectified Flow及DiT架构，开发优化自动驾驶端到端模型。 3、开发并优化World Models（世界模型），利用VLA（视觉-语言-动作模型）、VLM（视觉-语言模型）技术实现环境感知与决策的端到端建模。 4、探索多模态大模型（如Qwen/QwQ/QvQ、LLaMA、Gemini、Phi-4、Lingo-2、InternLM/InternVL、EMMA）在自动驾驶仿真、场景理解与策略生成中的应用。 5、推动前沿技术落地，解决自动驾驶长尾场景问题，提升算法在极端工况下的泛化能力与安全性。 6、收集、清洗数据，训练模型，迭代效果；定量、定性评估模型效果，横评不同基座模型效果。

任职要求： 1、计算机科学、人工智能、自动化等相关专业硕士及以上学历，8年以上RL/自动驾驶算法研发经验。 2、精通深度强化学习算法（PPO、SAC、DDPG、MuZero等）及多智能体协同训练框架，熟悉离线强化学习（如DPO）优先。 3、熟悉Diffusion Models、World Models技术栈，有DiT、Rectified Flow、场景生成项目经验者优先。 4、熟练使用PyTorch/TensorFlow等框架，具备大规模分布式训练（如多机多卡RL训练）经验。 5、熟悉自动驾驶仿真工具链（CARLA、SUMMIT、AirSim等），掌握场景生成、场景挖掘与闭环测试方法。 6、具备多模态大模型（如LLaMA、Gemini、Qwen系列）调优或轻量化部署经验者优先。 优先条件： 1、在顶会（NeurIPS、ICML、CVPR、ICLR等）发表过RL、生成模型或自动驾驶相关论文。