a. 负责行车/泊车场景下多任务学习算法的研发与优化，包括动态/静态感知等模型的联合训练；

b. 设计高效的多任务训练框架，提高任务间的协同效率和模型性能；

c. 研究多任务学习中的损失平衡、任务冲突解决等关键问题，提升模型的稳定性和泛化能力；

d. 开发并实现前沿技术，对深度学习模型进行量化和压缩，以优化模型在嵌入式芯片上的性能。

e. 基于实验依据在模型精度、大小和推理速度之间做权衡，给出优化方向。

f. 在后训练量化（Post-training Quantization）、量化感知训练（Quantization-Aware Training）以及剪枝（Pruning）等领域有深入理解。

a. 熟悉多任务学习的基本原理和相关技术（如共享参数、软/硬任务分配、权重动态调整等）；

b. 熟悉常见的感知算法（Transformer/bev/occ 等）；

c. 善于解决复杂问题，具有较强的分析能力和创新能力；

d. 3年以上计算机视觉算法开发经验，具有自动驾驶领域多任务训练量产经验者优先。

e. 学历要求：计算机科学、电子工程、自动化或相关领域硕士及以上学历，博士优先。