The posting
模型结构与多模态基础:熟悉 Transformer 核心架构,理解视觉、语言、导航等多模态信息的表征与融合机制;了解端到端自动辅助驾驶、VLA、VA 或 World Model 等相关模型架构,具备 Qwen-VL 等开源多模态大模型的训练、微调或结构优化经验者优先,有相关科研项目或论文发表经历者优先。 前沿技术研究与探索:关注开源大模型及多模态领域的前沿技术进展,了解 Attention 机制、Transformer 架构优化、多模态融合、长时序建模及 Model Scaling 等方向的代表性研究;具备良好的论文阅读与技术分析能力,能够理解新技术的核心思路,并结合模型性能、计算开销及实际应用场景分析不同方案的适用性。 模型开发与实验能力:熟悉 PyTorch,具备 Transformer、Diffusion Model、Flow Matching 等相关模型的开发、训练或实验经验;能够阅读和修改开源模型代码,完成基础的模型适配、训练调试和实验评估。有端到端自动辅助驾驶、VLA、多模态生成模型(文生图、文生视频)或 AI 顶会论文复现经验者优先,具备良好的实验分析与问题解决能力。
模型技术深度:熟悉 Transformer 核心架构,深入理解视觉、导航、语言等多模态信息的表征与融合机制;熟悉端到端自动辅助驾驶、VLA、VA 或 World Model 等主流模型架构,具备 Qwen2.5-VL、Qwen3-VL 等开源多模态大模型的 SFT、LoRA、全参数微调或结构优化经验;具备 Sparse4D、SparseDrive、SparseDriveV2、DriveTransformer 等代表性自动辅助驾驶模型的实际开发、训练或结构改进经验,有相关结构创新研究或论文发表经历者优先。 前沿技术广度:持续关注开源大模型及多模态领域的前沿技术进展,熟悉 Gated Attention、Linear Attention、Attention Residuals 等代表性结构创新;具备 Transformer 架构优化、多模态融合、长时序预测或 Model Scaling 等方向的实际研究与项目实践经验,能够深入理解前沿技术的核心原理,独立分析不同方案的优势、局限性及实际应用价值。 模型开发与实践能力:熟练使用 PyTorch,具备 Transformer、Diffusion Model、Flow Matching 等模型的开发、训练或结构优化经验;有多模态生成模型或 VLA 模型的实际训练与微调经验,熟悉 Attention、FFN 等核心模块的实现与优化,具备开源模型代码修改及多卡分布式训练能力;具有 AI 顶会论文复现或模型结构改进实践经验,能够独立完成新技术的代码适配、训练调试、对照实验及性能评估,具备较强的实验设计、问题定位和结果分析能力。



