智能辅助驾驶RSI算法工程师 / 专家

岗位职责
研究方向
面向智能辅助驾驶递归自我改进（Recursive Self-Improvement, RSI），围绕 World Action 大模型、世界模型与 Data Scaling，探索模型、数据和环境协同进化的新范式，推动前沿算法从研究创新走向规模化训练与真实驾驶应用。
岗位职责
Data Scaling 与 RSI： 研究智能辅助驾驶大模型预训练、后训练的数据 Scaling 与高效闭环迭代方法，探索数据规模、分布、质量与模型能力的关系，并推动算法落地。
World Action 大模型： 负责端到端驾驶大模型的架构设计、算法研发与训练优化，探索 Policy、Environment Generation 与 Value Estimation 的协同机制。
模型与数据闭环： 研发模型能力诊断、长尾场景挖掘、主动数据选择与生成、训练策略优化等技术，构建从缺陷发现到模型迭代和效果验证的闭环。
模型自我改进： 结合 Agent、Research Harness、强化学习与自动化实验，研发模型自主发现问题、提出改进方案并验证效果的技术体系。
训练与评估： 参与多任务、多场景训练，建设 Benchmark 数据集与评测体系，系统评估模型能力、泛化性能及迭代收益。
算法工程化与落地： 完成核心算法实现、规模化训练、系统优化和闭环验证，推动研究成果进入智能辅助驾驶研发链路，持续提升实际驾驶能力。

岗位要求
职位要求
计算机科学、机器人、自动化或相关专业硕士及以上学历，具备智能辅助驾驶、大模型或相关领域的算法研发经验。
熟悉 VLA、World Action（WA）、World Model（WM）等相关算法，掌握大模型预训练、后训练、微调及强化学习方法。
在端到端驾驶、世界模型、Data Scaling、强化学习或模型自进化等至少一个方向具备深入研究或工程实践经验。
具备扎实的数学基础，熟悉概率统计、优化理论等相关知识。
熟练掌握 Python、C++ 及 PyTorch 等深度学习框架，具备大规模模型训练、实验分析和工程优化能力。
具备良好的研究判断与工程落地能力，能够从问题定义、算法设计推进至实验验证和实际应用。
加分项
在智能辅助驾驶、具身智能或相关领域发表高水平论文，或取得具有技术影响力的研究成果。
对世界模型、World Action 大模型及端到端驾驶具备体系化认知。
参与过大模型预训练、后训练、Data Scaling 或大规模真实驾驶数据闭环项目。
具备环境生成、价值评估、强化学习或自动化研究系统的研发经验。