德赛西威
VLA/世界模型算法工程师（2027届-上海）
VLA/世界模型算法工程师（2027届-上海）
发布于 7 天前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Pytorch
Vla
世界模型
多模态大模型
扩散模型
时序建模
自动驾驶
值不值得投
75综合评分
综合评分 75
自动驾驶大模型前沿算法校招岗，技术天花板高、市场定价偏上，WLB信息未披露
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，方便比较职业起点。
薪资怎么样
2.8万
比AI算法中位数低
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
18 个在招 · 其中AI算法 7 个
市场机会
选择不多
上海 · AI算法 · 7 个在招
职位详情
关于这个职位
德赛西威面向2027届校招的VLA/世界模型算法工程师岗位，工作地点上海，负责自动驾驶视觉-语言-动作多模态模型与世界模型的联合研发，覆盖数据体系建设、模型微调轻量化、场景重建与长时序推演，是自动驾驶大模型方向的前沿算法岗位
最低要求
硕士及以上学历，计算机、人工智能、计算机视觉、自动化等相关专业，深度学习与多模态技术基础扎实
熟悉Transformer、扩散模型等主流生成式网络架构，了解VLA多模态模型、自动驾驶世界模型、时序场景推演相关技术原理
熟练掌握Python、PyTorch开发框架，精通LoRA、QLoRA等大模型轻量化微调技术，熟悉多模态数据处理流程，可独立完成模型训练、实验迭代与效果调优
了解自动驾驶基础业务场景与决策逻辑，具备VLA模型、世界模型、视频生成、时序场景建模相关项目或科研经验者优先
具备优秀的技术调研、实验复盘与问题排查能力，对自动驾驶大模型、生成式AI落地有浓厚兴趣与钻研精神，具备良好的团队协作能力
工作职责
负责自动驾驶VLA视觉-语言-动作多模态模型与世界模型联合研发，依托大模型与生成式时序建模能力，构建交通场景理解、时空推演、智能决策完整技术闭环
参与自动驾驶多模态、时序场景数据集的清洗、对齐、筛选与优化，持续完善场景数据体系，为模型训练、迭代与效果验证提供高质量数据支撑
负责VLA多模态模型微调、轻量化改造与Prompt策略优化，落地复杂路况语义理解、自然语言交互、智能驾驶动作生成等核心能力
开展自动驾驶世界模型核心研发工作，实现真实交通场景重建、交通参与者行为预测、长时序场景推演，持续提升模型场景泛化能力与时序推演精度
探索VLA模型与世界模型的协同推理、联合训练优化方案，完成消融实验、效果对比与复盘迭代，输出规范技术文档，跟进前沿生成式AI技术并落地自动驾驶业务场景
AI 洞察
优缺点分析
优点
- VLA与世界模型是自动驾驶最前沿的技术方向，研究与应用价值高
- 兼顾模型研发与业务落地，学术与工程能力同步成长
- 智能驾驶行业景气度高，算法人才市场议价能力强
- 前沿方向技术演进极快，需要持续高强度学习
- 校招即接触核心研发，对科研与工程能力要求都很高
- 适合多模态大模型方向科研扎实、对自动驾驶落地有热情、抗压性强的硕士应届生
缺点 / 挑战
- 大模型训练实验对算力与数据依赖大，迭代周期压力明显
角色解读
- 从算法工程师做起，深入VLA与世界模型某一子方向成为技术骨干
- 积累量产落地经验后可向算法负责人、技术专家方向发展
- 大模型+自动驾驶复合背景也可向具身智能、通用机器人等前沿领域迁移
- 联合研发自动驾驶VLA多模态模型与世界模型，构建场景理解、时空推演与智能决策闭环
- 建设并优化多模态时序场景数据集，支撑模型训练与验证
- 完成VLA模型微调、轻量化与Prompt策略优化，落地语义理解与动作生成能力
- 研发交通场景重建、行为预测与长时序推演，并探索两模型的协同推理与联合训练
- 深度学习与多模态技术基础扎实，熟悉Transformer、扩散模型等生成式架构
- 熟练使用Python与PyTorch，精通LoRA、QLoRA等轻量化微调技术
- 熟悉多模态数据处理流程，可独立完成模型训练、实验迭代与调优
- 了解自动驾驶业务场景与决策逻辑，具备技术调研与实验复盘能力
申请策略
- 面试前梳理自己科研工作与自动驾驶落地的结合点
- 关注公司智能驾驶产品的量产路线，理解算法工作的业务定位
- 突出VLA、世界模型、视频生成或时序建模相关的论文与科研项目
- 展示PyTorch模型训练、LoRA微调与实验迭代的工程细节
- 强调多模态数据处理与消融实验的方法论
- 体现对自动驾驶业务场景与决策逻辑的理解
- 跟进VLA与世界模型的最新论文与开源方案
- 补齐扩散模型、视频生成与时序推演的实践能力
面试指南
- 技术类问题用『原理-代表方案-自己的实践与对比』结构回答
- 实验类问题用『假设-变量控制-指标设计-结论复盘』的思路展开
- 开放类问题结合业务落地约束（算力、数据、安全）给出分层方案
- 请介绍你对VLA模型架构与训练范式的理解
- 世界模型如何实现场景重建与长时序推演？有哪些代表工作？
- LoRA与QLoRA的原理差异是什么？你在项目中如何选择微调策略？
- 如何设计消融实验验证多模态数据的贡献？
- 你如何看待自动驾驶大模型的落地挑战？
职位点评
薪资福利78
成长发展92
工作生活45
使命价值72
薪资福利
78中等
JD未披露薪资，但自动驾驶大模型算法岗在一线城市属高定价稀缺岗位，市场竞争力预期较好。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
92较高
岗位处于生成式AI与自动驾驶交叉的最前沿，模型研发与业务落地并重，技术成长天花板高。
技术前沿前沿/新兴技术
技术栈VLA、世界模型、Transformer、扩散模型、LoRA、PyTorch
成长机会复盘迭代、跟进前沿生成式AI技术
业务类型profit_center
工作生活
45较低
JD未提及办公模式与WLB相关信息，前沿算法研发的实验迭代节奏对时间投入要求较高，无明确文字支撑。
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
72中等
自动驾驶技术关系出行安全与交通效率，处于高速增长赛道，岗位使命感与技术价值感较强。
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）
德赛西威 的其他在招职位
相似职位推荐
Watch Jobs