招聘职位：3D 感知算法实习生 (云端大模型 / Auto-labeling 方向)

【岗位定位】 加入云端核心算法团队，参与构建云端非实时的“上帝视角”感知系统。利用无限算力和全量时序数据，探索数据驱动与几何约束的边界，协助解决自动驾驶真值生成的“最后一公里”难题。

【核心方法论 (Methodology & Philosophy)】

我们寻找对技术本质有深刻理解的伙伴，具备以下思维模型：

从“实时推断”到“全知后验” (Hindsight)： 利用离线数据的“未来帧”信息，消除单帧视觉的深度歧义与遮挡，构建超越人类标注精度的真值基准。

从“确定性规则”到“概率分布” (Probabilistic Thinking)： 理解并量化感知模型的不确定性 (Uncertainty)。利用贝叶斯推断或生成式模型，从海量噪声数据中提取高置信度信号。

分而治之 (Divide and Conquer)： 将复杂的 4D 场景重建问题解耦（如静态环境 vs 动态主体；几何约束 vs 语义特征），各个击破。

【岗位职责】

Teacher Model 算法探索： 在 Mentor 指导下，调研并复现 BEV/Transformer 等前沿架构，利用云端算力进行模型实验，探索 4D 细粒度理解能力的上限。

Auto-labeling 模块实现： 参与真值生成链路的核心模块开发（如多模态对齐、时序优化算法），将数学公式转化为高质量的 Python 代码。

难例挖掘与分析： 设计自动化脚本分析模型 Bad Case，基于不确定性挖掘长尾场景数据，形成闭环反馈。

【任职要求】

1. 算法潜力 (Potential)：

数理基础： 扎实的线性代数、概率论与优化理论基础。对 3D 变换、多视图几何 (MVG) 有直观的几何直觉。

第一性原理： 不盲目照搬论文，能够结合无人物流车（低速、高动态、无或多激光雷达）的物理特性思考问题。

2. 代码品味 (Code Quality)：

Pythonic & KISS： 追求代码的简洁与逻辑自洽。厌恶面条代码，善于用 Numpy/Scipy 向量化操作替代冗余循环。

工程习惯： 熟悉 Linux 环境，具备良好的代码组织习惯，能够编写易于复现的实验代码。

3. 工具与效能：

LLM Native： 习惯将 LLM (GPT/Claude) 作为科研与开发的加速器，辅助论文阅读、公式推导及代码重构。

【加分项】

在 CVPR/ICCV/ECCV 等顶会发表过 3D 视觉相关论文。

有 NeRF / 3D Gaussian Splatting / Occupancy Network 相关复现经验。

可以连续实习 4 个月以上。

公司：新石器慧通科技有限公司

地点：上海（优先），北京

联系：huayunming@neolix.ai