职责描述： 1.岗位职责： 探索多模态大模型、自监督预训练、世界模型等前沿技术，并应用于自动驾驶场景的多模态感知、预测与规划任务。 2.研究方向： 候选人需了解并熟悉以下至少一个方向： 视觉预训练（Visual Pretraining）：研究自监督学习、知识蒸馏、大规模数据预训练在视觉任务中的应用，熟悉相关工作如DINOv2等。 多模态学习（VLM/VLA） Vision-Language-Model（VLM）：研究视觉语言大模型，熟悉相关工作如 VARGPT、VPiT、Ross 等。 Vision-Language-Action（VLA）：研究视觉语言动作大模型并探索在自动驾驶场景应用，熟悉相关工作如 EMMA等。 世界模型（World Model） 研究基于自监督学习与强化学习结合的端到端世界模型，应用于自动驾驶场景的状态建模、状态转移预测与规划决策。 熟悉相关工作，如 Dreamer 系列、Genie2、Doe-1、JEPA、Cosmos 等。 任职要求： 技术能力要求： 熟悉自监督和生成模型，了解大规模预训练，有经验者优先。 熟练掌握 PyTorch，具备模型开发与优化能力，能够提升训练效率。 在以下顶级会议发表过相关论文者优先：NeurIPS、CVPR、ICLR、ICML、ICCV、ECCV、CoRL 等。 加分项： 对自动驾驶领域有浓厚兴趣，熟悉相关任务（如感知、预测、规划）及其技术挑战。 具备多模态数据处理经验（如图像、文本等）。 有开源项目贡献或相关竞赛获奖经历。 我们提供： 接触大规模真实场景数据与计算资源。 开放的学术氛围，支持论文发表与技术分享。