北京融合算法工程师

PNC组介绍：在自动驾驶系统中，决策规划与控制可以类比为人类的大脑与神经。确保“大脑与神经”正确高效地“思考”和安全舒适地“执行”，是一个优秀的规划与控制组的职责所在。规划控制团队分为决策团队、规划团队和控制团队。决策规划部门的主要目的是在复杂的无人驾驶环境中找到安全的行驶方案，例如通过人类驾驶的数据分析何时进行变道，对前方车辆是跟随还是绕行。决策规划部分还要从路上的真实数据中学习人类驾驶的共识，比如道路拥堵时到底什么时候能变道，后车要怎么表达出它是否让行，进而思考如何把这种共识应用到具体算法中。此外，决策规划要能将不同的未来收敛到当选确定的行为中。控制部分则是负责将上述的行为严格地执行到车辆上。
工作职责:
负责无人驾驶决策模块设计和实现，应对无人驾驶中各种最具挑战性的场景：拥挤道路上无人车的变道策略：如何主动创造变道环境（如加速变道），如何准确判断旁边车辆的意图，如何与其他车辆协商以迫使他们为你让出变道空间等；处理各种合理或不合理的行为场景：如电动车逆行、左右摇晃的自行车、道路上乱窜的行人等；应对不合交规但频繁出现的场景：旁边车道车辆突然变道抢占路权、连续实线变道等；拥挤高速公路合流等对人类司机都很困难的决策；各种交通标志控制下的无人车行为决策：如无保护路口如何通过、人行道行为逻辑、施工区域的通过逻辑等。
岗位需求:
熟练掌握 C++、Python、Java 中至少一门编程语言，具备良好的工程能力和编码风格；熟悉计算机科学中的某几个领域，至少在一个领域有一定见解，包括但不限于：算法、数据结构、网络、体系结构、编译原理、统计分析等；拥有强大的逻辑思维能力和自我驱动能力；对无人驾驶有强烈的动机和真正的信念。加分项:在机器学习、数据挖掘、深度学习、统计学、最优化理论、自动控制等至少一个方向有相关基础，有相关项目经验者优先

广州文远知行科技有限公司

互联网

岗位职责：
负责基于深度学习的多模态自动标注模型的设计、开发与部署优化。
负责各种交通元素的检测与高精度的 3D 几何恢复及矢量化，包含车道线、路沿、停止线、路面箭头、标志牌、交通灯等。
负责车道级路网拓扑的自动构建，包括车道连通关系、转向约束及路口结构的推理与建模。
负责交通场景语义识别与理解，包括拥堵状态判别、道路封闭性检测、临时停靠区域判定（如停车接客）等。
负责地图要素变化检测，包括道路封闭、护栏新增、箭头标识变更等。
岗位要求：
熟练掌握C++、Python中至少一种语言。有 C++ 使用经验者优先。
具备扎实的计算机视觉与深度学习理论基础，需要有下列经历和能力之一：
训练计算机视觉相关的深度学习模型，如检测和分割任务。
微调 LLM 或者 VLM。
LLM 及 VLM 的部署和推理速度优化。

广州文远知行科技有限公司

互联网

职位描述

1.负责设计、实现与优化自动驾驶系统中各类动态障碍物（车辆、行人、两轮车等）的未来轨迹预测算法，支持城市道路、高速道路及复杂路口等场景下的安全决策。

2.研究并落地基于深度学习的多模态轨迹预测模型（如Transformer、GNN、VAE、扩散模型等），处理意图不确定性与多可能轨迹分布。

3.构建车‑车、车‑路、车‑行人之间的交互推理模块，利用图神经网络、注意力机制或逆强化学习等方法提升预测在拥挤场景下的准确性。

4.参与大规模真实路采数据的处理、标注策略设计、评价指标定义及模型迭代。

5.与感知、定位、决策规划团队协作，将预测模块高效集成至自动驾驶软件栈，满足实车部署的低延迟与高可靠性要求。

6.针对嵌入式或车载计算平台进行模型压缩、算子加速与工程落地，确保预测模块在有限计算资源下的实时性。

7.跟踪机器人学、计算机视觉及自动驾驶领域最新进展（如CoRL、ICRA、CVPR等顶会论文），推动可解释预测、不确定性估计及闭环评估技术的落地。

任职要求

1.硕士及以上学历，计算机科学、自动化、机器人、人工智能、应用数学或相关专业，博士优先。

2.扎实的编程能力，熟练掌握Python/C++，熟悉Linux环境下的开发与调试。

3.精通至少一种深度学习框架（PyTorch/TensorFlow），能独立完成模型搭建、训练、评测与部署。

4.深入理解至少几类主流轨迹预测方法：如LSTM Ego-centric、MultiPath、TNT、Scene Transformer、HiVT，等等。

5.具备良好的数学基础（概率论、线性代数、最优化）。

加分项

1.有自动驾驶实车落地经验，熟悉预测模块在量产方案中的挑战（如长尾场景、遮挡恢复、计算资源限制）。

2.有自动驾驶轨迹预测、行为预测或相关领域算法研发经验（优秀应届生可基于论文/竞赛/实习经历破格考虑）。

3.熟悉预测领域的评价指标（如minADE、minFDE、MR、EPA等）及其适用场景。

4.发表过轨迹预测、行为决策、多智能体交互相关的高水平论文（CVPR, ICCV, ECCV, ICRA, IROS, NeurIPS, CoRL等）。

5.熟悉自动驾驶开源仿真器（如CARLA、SUMO、Metadrive）或预测评估框架。

6.掌握概率图模型、高斯过程、贝叶斯推断等不确定性建模方法。

7.具备CUDA或TensorRT优化经验，有模型ONNX导出、量化、剪枝等实际工程经历。

广州文远知行科技有限公司

互联网

Prediction组介绍：预测模块上游对接感知，下游对接决策规划。通过感知信息对周围障碍物未来可能的行为进行预测。预测团队分钟构建各种深度学习模型，对周围环境中的动态障碍物做出各种预测。如意图预测、轨迹预测、障碍物与无人车交互方式预测等。对于缺乏数据的长尾场景，预测团队还需要通过场景特征分析和逻辑推理的方式，生成相应的预测补充。WeRide.ai is looking for a machine learning engineer for the prediction team. In this impactful role, you will collaborate with a best-in-class team of engineers to tackle hard problems and help advance mobility solutions to improve everyday lives.You will be responsible in such fields:Active learning and Bayesian optimizationAnomaly detectionDeep networksDistributed/parallel learning algorithmsLearning controlPredictive modeling
Requirements:PhD or master in Computer Science/Engineering, ML/DL, Electrical Engineering, or a related field.Relevant work or lab experience in Machine Learning, Deep Learning or High-Performance ComputingExcellent knowledge of theory and practice of machine learning.Excellent programming skills in some rapid prototyping environment such as MATLAB or Python; C++ and parallel programming (e.g., CUDA) is a plus.Knowledge of common machine learning frameworks.Track record of research excellence or significant product development.Knowledge of application areas such as computer vision or roboticsPreferred to have:Strong understanding of recent advancements in machine learning research

广州文远知行科技有限公司

互联网

关于感知方向 感知是无人驾驶中非常复杂和有趣的部分之一，你构建的是一个人工智能集大成的系统，不是一项按部就班就能完成的工作！
感知软件工程师负责无人驾驶感知系统的设计和实现，应对无人驾驶中各种最有挑战的问题： 设计高效可靠的深度学习模型，在几十毫秒内精确检测和跟踪车周围200米之内所有的障碍物（人，车，非机动车辆，交通锥等），并对场景进行理解 如何设计一般性的模型和算法去处理各式各样的长尾情况和极端环境，如路面上的垃圾袋，洒水车的水花，前车掉下来的挡板 ，如大雨，大雪，雾霾，风沙等 如何保证感知模型和算法在极端的环境里的准确性和可靠性，如大雨，大雪，雾霾，风沙等 把模型优化到极致，让十几个到几十个模型在车上有限的计算资源上欢快的运行 如何搭建一个高效可靠的计算框架，支撑一个周期内接收几十个传感器的输入，做各种同步融合，并进行几十个深度学习模型的推理 关于机器学习和算法方向 这个方向的感知工程师负责设计并实现传感器标定，障碍物检测，分类，跟踪，和场景理解等各种模型和算法，VLM视觉语言模型落地，对模型和算法进行评估和测试， 并把模型和算法部署到车上。
我们需要你：
- 同时具有很强的算法和C++编程能力；或者在机器学习/深度学习，计算机视觉，模型优化等至少一个方向上有扎实的基础和丰富的经验。 拥有强大的逻辑思维能力，算法能力，以及解决问题的能力。 具有良好的沟通能力和跨组合作能力。 具有强烈的自我驱动能力对无人驾驶真正的 believe 。
加分项： 丰富的C++开发经验，熟悉多线程，内存管理，泛型，及设计模式. 丰富多传感器融合以及2d/3d跟踪的经验 在顶会发表了文章

广州文远知行科技有限公司

互联网

1、研发生成式AI模型（如Diffusion Model/GAN等），推动AI生成内容（AIGC）在手机影像中的创新应用，涵盖图像生成、增强、风格化等领域；

2、优化AIGC算法在移动端的实时性与能效，支持文字到图像、图像到图像等多模态生成任务；

3、探索AIGC与手机影像技术的深度结合，解决暗光增强、超分辨率、人像生成、影调风格、可控编辑等场景的算法难题；

4、跟踪业界、学术界前沿技术趋势，输出高价值专利与算法原型，支撑公司AI影像技术领先性。

荣耀终端有限公司

IT服务

我们相信，AI 研发本身，是下一个被 AI 加速和重塑的领域。美团 LongCat 团队正在探索下一代 AI 自进化与自动化研究系统：让模型不仅能够完成任务，也能够参与模型研发过程本身，围绕问题发现、假设生成、实验执行、结果验证、经验沉淀与策略迭代，形成持续改进的研究闭环。加入我们，你将参与构建以研究智能体为核心，联动可验证研究环境、训练与评测体系、研究策略库的 AI for AI 系统，并将自动化研究能力反哺到模型自身的训练、评测与迭代中，推动“用 AI 研发更强 AI”的长期目标。
1. 自动化研究智能体能力建设参与提升模型在复杂任务分解、长程推理、研究规划、工具使用、代码生成与执行、证据整合、结果归因与研究报告生成等方面的闭环能力，并在真实模型研发任务中验证效果。
2. 长程上下文、记忆与状态管理探索 context scaling / compression、memory selection、任务状态追踪等机制，解决长周期任务中的一致性衰减、状态丢失、中断恢复与长期依赖管理问题。
3. 可验证研究环境与自动实验闭环构建覆盖 search、browser、retrieval、code execution、training / eval job、sandbox 等能力的交互式研究环境，将研究任务建模为可交互、可验证、可评分的闭环，支持自动实验编排、结果比对与版本回滚。
4. 训练策略与反馈信号设计设计数据配方、环境反馈、过程监督与 reward 信号体系，结合 SFT、强化学习等方法，引导模型在事实正确性、工具调用可靠性、任务完成率与研究轨迹质量上持续提升。
5. 评测体系与错误分析闭环建设面向真实 research workflow 的 benchmark 与自动评测体系，系统分析研究智能体在规划、检索、工具调用、上下文管理、实验执行、结果归因等环节的典型失败模式，并反哺训练策略与 harness 优化。
6. 研究经验沉淀与策略自进化将成功与失败任务轨迹沉淀为 research episode、skill、eval case 等可检索、可复用、可训练的经验资产，支持模型在后续任务中检索、复用、迁移与迭代，推动研究策略的持续自进化。

北京三快科技有限公司

你将加入 LongCat Agent 算法团队，与一线研究员共同推进下一代智能体的范式探索。具体方向包括但不限于：
1.Agentic RL 基础算法研究：探索面向长程多步任务的强化学习训练范式，包括稀疏奖励下的信用分配、过程奖励建模、自我博弈与多智能体协同、可扩展的 reward modeling，以及训练稳定性与样本效率优化。目标是实现Agent 能力增长的主引擎；
2.Search Agent 能力构建：研发面向开放域复杂查询的搜索智能体，覆盖多轮检索规划、查询改写、证据聚合、多源信息冲突消解与可信溯源。重点突破"深度研究"类长程任务（Deep Research）的端到端 RL 训练，让模型在数十步检索-推理交织中保持目标产出高质量分析内容。
3.生活服务助理 Agent：解决美团真实业务环境中（餐饮、出行、到店、履约等多业务横跨）实现智能助理的基础问题，研究多工具长链调用、澄清和主动服务、个性化记忆与偏好建模、跨会话状态管理，以及面向真实用户反馈的RL 闭环。这里的复杂度来自亿级用户、千万级 SKU 与多步骤决策构成的真实环境。
【为什么是我们】1.稀缺场景：直接接触亿级真实用户、跨业务多步决策的复杂环境，是当前业界最稀缺的 Agent 训练土壤；
2.充足资源：充足算力、丰富多模态数据、专属带教导师、顶级 infra 团队支持；
3.研究自由：明确鼓励技术探索，有机会参与顶会论文产出，研究成果可服务亿级真实用户实现学术与产业双闭环；
4.成长路径：北京 / 上海双地 base，扁平协作、与算法/Infra/产品高密度共事，快速成长为下一代 Agent 技术骨干。

北京三快科技有限公司

1. 负责具身小脑核心算法的研发与真机落地——基于强化学习（RL）训练机器人的运动策略，实现复杂地形自适应、动态环境下的稳定移动与操作，从仿真到真机端到端部署。
2. 打通"RL策略设计训练→仿真验证→Sim-to-Real迁移→真机规模部署"全链路闭环，持续探索大小脑协同的性能边界（模型策略输出与底层运动控制的衔接、安全兜底机制等）。
3. 设计并落地运控安全体系，确保在数据采集和推理执行中的人机安全。
4. 与VLA/世界模型团队、机电硬件团队、数采团队紧密协作，定义动作空间接口规范，支撑从遥操作数采到自主推理的全场景能力。
5. 落地具身智能前沿运控技术（RL-based locomotion、loco-manipulation、接触丰富操作、灵巧手控制等），能够完成从idea到真机验证的完整交付。

北京三快科技有限公司

1. 负责灵巧操作算法的设计与优化，提升机器人在复杂场景下的操作能力。
2. 研发灵巧操作的基础模型，推进机器人在泛化真实场景中的应用。
3. 与软硬件团队紧密协作，推动算法在真实机器人平台上的落地与迭代。
4. 跟踪国内外前沿技术动态，探索新型算法模型在灵巧操作中的应用。

北京三快科技有限公司

【AI愿景】美团龙猫基座大模型，不只聪明，更懂生活。从语言理解到全模态感知，从架构创新到极致推理，从海量预训练到亿级真实订单 —— 我们造的不仅是实验室里的“优等生”，更是活在大街小巷、三餐四季里的AI。 而我们想做的远不止于此 —— 让模型自己提出假设、训练自己、不断进化； 让一群智能体像团队一样分工协作、攻克复杂问题； 让 AI 走出屏幕，理解物理世界、走进真实场景。 这是我们正在冲刺的方向，也是你可以参与定义的未来。 加入我们，一起把智能带进真实物理世界，亲手打造下一代 AGI！【团队介绍】基座大模型AI Infra团队，以支撑前沿基础模型持续演进为目标，面向大模型研发与生产全链路，构建高性能、高稳定性、可持续扩展的AI基础设施体系。围绕高效率实验平台、大规模训练生产能力，以及模型结构与芯片架构协同优化， 沉淀软硬一体、训推贯通的关键基础能力，提升模型迭代效率、训练资源利用率与系统上限。【岗位职责】负责面向LLM数据场景中海量数据抓取需求建设，构建文本、多模态等高质量数据获取能力。
1.面向海量多源数据场景，构建高可用、高稳定性的分布式数据调度与抓取系统，保障数据供给的及时性与完整性。
2.针对不同目标站点的技术防护手段，设计并实现动态友好爬取方案，持续提升抓取成功率与数据质量，保障采集链路在复杂对抗环境下的持续可用。
3.设计数据清洗、去重、校验、质量等保障机制，确保整体系统的效率，对数据缺失、异常、延迟等风险做到早发现、早恢复。
4.深入理解业务场景对数据的需求，协同算法、搜索、策略、数据平台等团队，将抓取能力与业务目标对齐，推动数据

北京三快科技有限公司

PNC组介绍：在自动驾驶系统中，决策规划与控制可以类比为人类的大脑与神经。确保“大脑与神经”正确高效地“思考”和安全舒适地“执行”，是一个优秀的规划与控制组的职责所在。规划控制团队分为决策团队、规划团队和控制团队。决策规划部门的主要目的是在复杂的无人驾驶环境中找到安全的行驶方案，例如通过人类驾驶的数据分析何时进行变道，对前方车辆是跟随还是绕行。决策规划部分还要从路上的真实数据中学习人类驾驶的共识，比如道路拥堵时到底什么时候能变道，后车要怎么表达出它是否让行，进而思考如何把这种共识应用到具体算法中。此外，决策规划要能将不同的未来收敛到当选确定的行为中。控制部分则是负责将上述的行为严格地执行到车辆上。
工作职责：
· 为自动驾驶提供安全、舒适和可预测的车辆运动轨迹
· 分析自动驾驶仿真和路测数据，提升对自动驾驶系统的理解，发现和解决运动规划问题
岗位需求：
· 机器人，机电控制和自动化，计算机科学专业等本硕博
· 有如下领域的项目经验: optimization based or search based path planning and trajectory generation, planning under uncertainty probabilistic robotics mobile or industrial robots optimal control C++ 编程，数据结构和算法加分项：
· 计算几何
· 了解车辆动力学与运动学
· 博弈论
· 机器学习

广州文远知行科技有限公司

互联网