•负责车端智驾环境检测 ODD 模型的整体架构设计和开发，与数据团队团队协作，构建auto tag系统。

•负责智驾环境检测场景下图像数据的 auto tag系统搭建与优化，针对不同环境类型（如城市道路、高速公路、乡村道路、恶劣天气场景等）的图像特征，制定高效、精准的自动标注规则与策略，提升标注效率与准确性。

•基于大模型的图像整体分类算法研发与优化，包括大模型的选型、微调、压缩、部署等工作，提升模型在不同环境场景下的分类精度与推理速度。深入研究大模型在图像分类领域的前沿技术（如 Transformer 系列模型、多模态大模型等），结合智驾环境检测的业务特点，提出创新性的算法方案，解决复杂环境下（如光照变化、遮挡、恶劣天气等）的图像分类难题。

•构建大模型训练与评估体系，设计合理的实验方案，对模型性能进行全面评估与分析，持续迭代优化模型，确保模型满足实际业务需求。

•负责相关模型业务开发，与定位，建图，功能等相关下游进行功能联调，制定稳定的规范与协议。

•应用数学、计算机视觉、模式识别、机器学习、电子信息、机器人等相关专业的硕士/博士学生。

•在计算机视觉领域有深入研究经历，熟悉经典和前沿的单目2D，3D、BEV检测（分割）、分类算法。

•熟悉当前主流的深度学习算法，精通一个或者多个领域的算法研究，包括但不限于目标检测、多任务学习、目标分割等。

•了解数据结构、算法和大规模数据处理（百万~千万）；至少精通C/C++ 或python编程，有ACM经验者优先。

•至少熟悉一个常见的神经网络开源工具库，如Caffe/TensorFlow/PyTorch/ 等。

•有实际工程项目经验者优先。