Momenta
不限
综合行业不限
职位亮点
信息真实
帮助你更快判断岗位与个人目标的匹配度
发展清晰
帮助你更快判断岗位与个人目标的匹配度
官方投递
帮助你更快判断岗位与个人目标的匹配度
职位描述
工作职责
- 1【岗位职责】 1、面向端到端自动驾驶大模型,研究并落地RL、On-policy Distillation等后训练范式,提升模型在复杂驾驶场景下的决策质量与泛化能力; 2、结合Momenta海量量产真实路测数据,设计数据闭环驱动的后训练策略,加速模型在长尾驾驶场景中的能力提升; 3、对比和融合SFT、RL、On-policy Distillation等范式,针对驾驶决策任务的特殊性设计最优后训练方案; 4、结合分布式训练框架优化后训练系统效率,推动模型从研究到量产的快速迭代; 5、追踪并复现LLM、端到端自动驾驶领域最新研究成果。 【任职要求】 1、计算机、人工智能等相关专业硕士/博士应届毕业生; 2、必须具备Flow Matching相关经验; 3、深入理解后训练核心范式,对以下概念有实质性认知: - On-Policy Vs Off-policy采样的本质区别 - Dense vs Sparse Reward对训练效果与收敛的影响 4、在以下至少一个方向有研究或工程实践经验: - RL后训练(PPO、GRPO、RLHF 等) - On-policy/Sequence-level蒸馏(GKD、MiniLLM、DAGGER 相关方法) 5、熟悉至少一种主流训练框架(VeRL、Megatron-LM、DeepSpeed、vLLM等); 6、有顶会论文(NeurIPS、ICML、ICLR等)或相关方向实习经历者优先。 加分项 1、同时具备Flow Matching与RL经验; 2、同时具备RL与蒸馏两个方向经验; 3、有Reward Model、Value Model或Token-level Scoring相关研究经验; 4、对自动驾驶决策、具身智能或物理AI场景有了解,理解驾驶轨迹数据与通用NLP数据的本质差异。
任职要求
暂无公开信息,请以官方招聘公告为准。
福利待遇
官方来源 信息透明 投递指导
招聘流程
该岗位暂未提供流程信息,请以官网招聘公告为准。
DeepCampus 提醒:官网投递前请确认个人信息与简历版本,确保教育经历、实习经历和项目经历完整准确。