候选人需了解并熟悉以下至少一个方向：
视觉预训练（Visual Pretraining）：研究自监督学习、知识蒸馏、大规模数据预训练在视觉任务中的应用，熟悉相关工作如DINOv2等
多模态学习（VLM/VLA）：
Vision-Language-Model（VLM）：研究视觉语言大模型，熟悉相关工作如 VARGPT、VPiT、Ross 等
Vision-Language-Action（VLA）：研究视觉语言动作大模型并探索在自动驾驶场景应用，熟悉相关工作如 EMMA等
世界模型（World Model）：研究基于自监督学习与强化学习结合的端到端世界模型，应用于自动驾驶场景的状态建模、状态转移预测与规划决策
熟悉相关工作，如 Dreamer 系列、Genie2、Doe-1、JEPA、Cosmos 等
技术能力要求：
熟悉自监督和生成模型，了解大规模预训练
熟练掌握 PyTorch，具备模型开发与优化能力，能够提升训练效率