初速度
端到端大模型算法工程师-H
端到端大模型算法工程师-H
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Vlm
Worldmodel
强化学习
深度学习
端到端大模型
算法预研
自动驾驶
值不值得投
82综合评分
综合评分 82
前沿自动驾驶算法岗，技术成长极快，薪资竞争力强，但工作强度与生活平衡存在不确定性
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比自动驾驶中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 220 个在招 · 其中自动驾驶 73 个
市场机会
选择面较广
北京 · 自动驾驶 · 约 210 个在招
职位详情
关于这个职位
负责端到端智驾大模型的算法预研、训练及评测，推动城区自动驾驶纯模型方案的量产落地
需具备扎实的机器学习/深度学习背景，通过算法突破与实车路测提升产品性能，并完善算法研发迭代体系
最低要求
名校计算机、机器学习、人工智能、机器人等相关专业，有良好的数据结构、代码规范和算法基础
熟练使用C/C++或Python，有深度学习/强化学习等算法背景，具备扎实的数学基础
有VLM/YLA/WorldModel，以及Prediction/DL/RL/ML/IL/Deep Generative Model等研发经历
工作职责
负责端到端智驾大模型的算法预研、模型训练、评测构建、算法突破与验证与实车路测等相关工作
负责城区自动驾驶纯模型方案（Model-based）的量产落地，全面助力产品性能提升与交付
负责端到端智驾大模型方案的算法研发迭代体系的建设与完善
优先资格
有ACM/RoboMaster/RoboCup等编程比赛获奖经历的优先
有复杂的系统工程经验，有优秀开源项目研发经历者优先
有机器学习领域顶级会议期刊论文发表的优先
AI 洞察
优缺点分析
优点
- 处于自动驾驶最前沿的端到端技术赛道，技术壁垒高，行业前景广阔
- 拥有顶尖高校背景、扎实算法功底且对自动驾驶有强烈热情的资深工程师或研究员
缺点 / 挑战
- 对学术背景和工程落地能力要求极高，需兼顾算法创新与量产稳定性，压力较大
角色解读
- 可向自动驾驶算法专家、首席科学家或技术负责人方向发展，深耕具身智能与通用视觉语言模型领域
- 专注于端到端自动驾驶大模型的算法研究与训练，包括数据评测、模型优化及实车验证
- 精通C++/Python，掌握深度学习/强化学习理论，熟悉VLM、WorldModel等前沿架构
申请策略
- 准备详细的项目案例，展示从算法设计到实车落地的完整闭环经验
- 突出顶会论文发表、顶级编程竞赛奖项及在VLM/WorldModel领域的具体项目成果
- 加强C++高性能计算能力，深入理解强化学习与生成式模型在自动驾驶中的应用
面试指南
- 采用STAR法则（情境-任务-行动-结果），重点阐述技术选型依据、遇到的具体瓶颈及量化解决效果
- 请介绍你参与过的端到端大模型项目，难点在哪里？
- 如何评估和优化自动驾驶大模型的泛化能力？
- 对比传统模块化方案，端到端方案的主要挑战是什么？
- 请解释VLM在自动驾驶中的具体应用逻辑
- 复习深度学习基础理论，关注最新自动驾驶顶会论文（如CVPR, ICCV, NeurIPS），了解行业主流端到端方案
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
作为C轮后的大型规模初创/成长型企业，提供具有市场竞争力的薪酬以吸引高端算法人才，但福利细节未明确披露。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
95较高
职位涉及VLM、WorldModel等前沿技术，且要求顶会论文和复杂系统工程经验，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈端到端大模型、VLM、WorldModel、强化学习、Deep Generative Model、C++、Python
业务类型profit_center
工作生活
60中等
自动驾驶行业通常节奏较快，且涉及实车路测，工作强度可能较高，WLB信号不明确。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
致力于实现高阶自动驾驶量产落地，具有显著的技术突破意义和社会安全价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs