数据算法实习生（自动驾驶数据挖掘与生成）

1、多模态数据挖掘：基于 VLM 开展自动驾驶场景理解与行为挖掘，实现复杂场景、行为模式及 corner case 自动识别发现，探索弱监督 / 自监督 / 提示工程应用，提升高价值训练数据挖掘效率；

2、数据向量化建模与分布挖掘：研究数据 Embedding 建模方法，构建场景 / 行为 / 轨迹向量空间，实现数据分布建模、长尾场景发现与覆盖度评估，设计高效数据采样、重加权与主动挖掘算法；

3、数据合成与场景重建：基于 3D Gaussian Splatting、世界模型、NeRF 等技术实现真实场景重建，生成高真实性仿真数据与 corner case 合成数据，探索世界模型与数据生成在数据闭环中的应用；

4、数据闭环系统算法研发：负责自动驾驶数据挖掘、筛选、评测与训练数据构建闭环系统，推动算法研究原型工程化落地，并在真实数据中完成效果验证。

职位要求：

1、海内外高校计算机科学、人工智能、自动化、机器人、数学、统计等相关专业本科、硕士或博士在读（硕博优先）；

2、扎实的机器学习、深度学习或计算机视觉基础；

3、熟练使用 Python，熟悉 PyTorch / TensorFlow 等深度学习框架；

4、具备良好的算法实现能力与代码工程能力；

5、对自动驾驶、数据挖掘或多模态模型方向有浓厚兴趣。

【研究能力】

1、具备一定科研能力与问题抽象能力，能够将实际工程问题抽象为研究问题并进行算法设计；

2、熟悉以下至少一个研究方向：

*多模态学习 / Vision-Language Model；

*Representation Learning / Embedding Learning；

*数据挖掘 / 数据分布建模；

*生成模型（Diffusion / Flow / World Model 等）；

*3D重建（NeRF / 3D Gaussian Splatting 等）。

【加分项】

1、在 CVPR / ICCV / ECCV / NeurIPS / ICLR / ICML / CoRL / RSS 等顶级会议 有论文发表或投稿经验；

2、有自动驾驶、机器人或大规模数据处理相关研究或项目经验；

3、有开源项目贡献或较强的科研项目经历；

4、具备良好的英文论文阅读与写作能力。

【优先考虑】

1、有志于开展科研工作并发表顶级会议论文（CVPR / NeurIPS / ICLR / ICML 等）者优先；

2、对自动驾驶数据算法、数据挖掘与数据生成方向有深入兴趣，并希望在真实大规模数据中开展研究工作。