端到端算法研发工程师 上海 实习 数字技术 职位 ID：A90340 职位描述 1.研究与实现端到端智能辅助驾驶规划算法，聚焦 Diffusion-based Trajectory Generation 与 Reinforcement Learning；2.复现前沿论文（如 Diffusion Policy、Flow-GRPO、DriveDPO 等），探索 生成式模型与强化学习（RL） 方法融合；3.参与闭环实验，分析模型在不同驾驶场景（交互、避障、合流、车道保持等）下的表现；4.优化训练与推理流程，包括 采样效率、策略一致性、reward建模与policy微调 等；5.协助构建或清洗规划相关数据集，用于Diffusion与RL任务。 职位要求 1.熟悉 PyTorch，具备良好的代码工程能力；2.理解 Diffusion Models（DDPM/DDIM/SDE/ODE）与强化学习（RL/IL/IRL） 的基本原理；3.有端到端 planner、行为克隆（BC） 或 强化学习策略优化 实践经验者优先；4.具备较强的论文理解、实验复现与算法实现能力；5.逻辑清晰、自驱力强，对智能辅助驾驶和智能决策方向有浓厚兴趣。加分项:1.有使用 CARLA、nuPlan、Waymo Open Motion 或内部仿真平台 的经验；2.有
端到端算法实习生（前沿探索） 上海 实习 数字技术 职位 ID：A37385 职位描述 研究与实现端到端智能辅助驾驶规划算法，聚焦 Diffusion-based Trajectory Generation 与 Reinforcement Learning；复现前沿论文（如 Diffusion Policy、Flow-GRPO、DriveDPO 等），探索 生成式模型与强化学习（RL） 方法融合；参与闭环实验，分析模型在不同驾驶场景（交互、避障、合流、车道保持等）下的表现；优化训练与推理流程，包括 采样效率、策略一致性、reward建模与policy微调 等；协助构建或清洗规划相关数据集，用于Diffusion与RL任务。 职位要求 熟悉 PyTorch，具备良好的代码工程能力；理解 Diffusion Models（DDPM/DDIM/SDE/ODE） 与 强化学习（RL/IL/IRL） 的基本原理；有端到端 planner、行为克隆（BC） 或强化学习策略优化实践经验者优先；具备较强的论文理解、实验复现与算法实现能力；逻辑清晰、自驱力强，对智能辅助驾驶和智能决策方向有浓厚兴趣。加分项有使用 CARLA、nuPlan、Waymo Open Motion 或内部仿真平台 的经验；有
大模型算法工程师 上海 实习 数字技术 职位 ID：A219421 职位描述 1.研究与实现端到端智能辅助驾驶规划算法，聚焦 Diffusion-based Trajectory Generation 与 Reinforcement Learning；2.复现前沿论文（如 Diffusion Policy、Flow-GRPO、DriveDPO 等），探索 生成式模型与强化学习（RL） 方法融合；3.参与闭环实验，分析模型在不同驾驶场景（交互、避障、合流、车道保持等）下的表现；4.优化训练与推理流程，包括 采样效率、策略一致性、reward建模与policy微调 等；5.协助构建或清洗规划相关数据集，用于Diffusion与RL任务。 职位要求 1.熟悉 PyTorch，具备良好的代码工程能力；2.理解 Diffusion Models（DDPM/DDIM/SDE/ODE） 与 强化学习（RL/IL/IRL） 的基本原理；3.有端到端 planner、行为克隆（BC） 或 强化学习策略优化 实践经验者优先；4.具备较强的论文理解、实验复现与算法实现能力；5.逻辑清晰、自驱力强，对智能辅助驾驶和智能决策方向有浓厚兴趣。加分项：1.有使用 CARLA、nuPlan、Waymo Open Motion