【L4】端到端模型评测算法研究员（Robotaxi）

岗位介绍

面向一段式端到端自动驾驶模型，负责从传感器时序输入到规划轨迹或驾驶动作输出的模型评测体系建设。通过评测指标研发、场景基准集建设、自动化评测和模型问题分析，识别模型能力边界，为模型训练迭代与版本准入提供可信依据。

岗位职责

1. 建设端到端模型评测体系

围绕安全、通行效率、舒适、合规和交互合理性，设计分层、分场景的评测方案，建立模型版本对比、能力验收和回归评测标准。

2. 研发评测指标与自动判定算法

开发轨迹质量、行为合理性、风险事件及驾驶体验等指标与 Checker，覆盖跟车、变道、汇入汇出、路口通行、绕行、弱势交通参与者交互等场景；通过人工复核和典型案例校准，持续优化指标的误报、漏报及区分能力。

3. 构建和维护场景评测集

建立基础能力集、专项挑战集、长尾场景集和问题回归集，负责场景筛选、标签体系、数据质量与版本管理；控制训练集与评测集的数据泄漏，持续提升评测覆盖度、代表性和可复现性。

4. 开展开环评测与闭环验证分析

负责离线开环评测，联合仿真、实车团队开展闭环验证，分析轨迹及行为指标与实际驾驶表现的关联；识别离线指标改善但闭环表现未改善或退化的问题，推动评测方法优化。

5. 定位模型短板并推动改进闭环

针对版本差异和典型 Bad Case，结合输入数据、模型输出、时序行为及场景分布开展归因分析，形成可执行的数据补充、训练优化或模型改进建议，并跟踪验证收益。

6. 建设自动化评测工具链

开发批量推理、指标计算、结果可视化、版本对比和异常告警工具，对接持续集成与回归流程；保证模型、数据、指标及配置可追溯，提升大规模评测效率和稳定性。

任职要求

1. 计算机、人工智能、自动化、车辆工程、数学等相关专业，本科及以上学历；具备 1 年及以上自动驾驶算法评测、仿真评测、规划预测算法或相关研发经验。

2. 理解端到端自动驾驶模型的基本架构与训练、推理流程，熟悉感知、预测、规划控制中至少一个方向；能够结合场景和模型输出分析驾驶行为问题。

3. 熟练使用 Python，具备扎实的数据结构、算法和工程开发基础；熟悉 Linux、Git 及常用数据分析工具，能够独立完成评测算法和分析工具开发；了解 PyTorch 等深度学习框架。

4. 具备评测指标设计、场景数据集建设、自动化评测或 Bad Case 分析的实际项目经验；理解开环评测与闭环评测的适用范围，能够识别单一轨迹误差指标的局限。

5. 具备良好的统计分析和实验设计能力，能够通过分场景统计、对照实验和显著性分析判断版本收益；具备跨团队协作能力，能够将评测结论转化为明确的问题与改进建议。

加分项

- 有一段式端到端、模仿学习或强化学习驾驶模型的评测与量产迭代经验。

- 有交互式闭环仿真、传感器仿真或仿真与实车一致性分析经验。

- 有长尾场景挖掘、自动场景分类、学习型评测器或驾驶行为评分模型研发经验。

- 有大规模分布式评测、模型回归平台性能优化经验。