大模型Agent算法⼯程师（⾃动驾驶与具身数据引擎⽅向）

该职位来源于猎聘 职位描述 1. 自动驾驶与具身数据Agent核心框架与工作流研发

基于主流Agent框架，构建多智能体协同工作流（Multi-Agent Workflow），设计自动驾驶与具身数据引擎的Agentic架构。

将离线感知模型（3D Auto-labeling、SAM等）改造并封装为标准化、低延迟的Agent Tools（工具调用能力），实现复杂数据处理任务的自主编排与执行。 2. 基于VLM/LLM的长尾场景多模态推理与挖掘

区别于基于规则与Active Learning的数据挖掘模式，构建由VLM（视觉语言模型）主导的“场景认知引擎”。

引导大模型对量产回传的长尾高危场景（如复杂施工区、异型障碍物、鬼探头、VRU违规博弈等）进行自然语言描述（Scene Captioning）、常识推理与因果风险判断。

实现基于语义理解的大规模自动驾驶与具身智能的百万级数据检索、清洗与高价值样本建库。 3. 智能评测闭环与“AI裁判”建设

基于LLM构建规控算法与端到端模型的离线评测“AI裁判（LLM-as-a-Judge）”。

结合高精度真值数据，利用大模型自动分析业务场景失效的根本原因，自动生成评测报告，并定向触发缺失场景的数据回流与强化训练。 4. 平台化沉淀与技术布道

推动组内工程范式向Agentic演进，沉淀出色的Prompt Engineering策略、RAG（检索增强生成）机制以及Tool-use规范。

优化Agent中枢的并发调度效率与Token消耗成本，建立稳定、高效的自动驾驶与具身数据Agentic底座。 职位要求 1. 基础背景

计算机、自动化、人工智能或相关专业硕士及以上学历，具有AI算法、自动驾驶或具身智能数据闭环或大模型应用落地或相关技术研究经验。

具备扎实的数理统计基础与工程落地思维，对数据敏感，能够从海量数据统计特征中发现算法长尾问题。 2. 编程与AI工程能力

AI Coding：具备丰富的AI辅助编程经验，熟练掌握Cursor、Claude Code或Codex等AI Coding工具，拥有极高的代码产出与重构效率，具备强烈的“用AI构建AI”的工作习惯。

工程底座：精通Python/C++，拥有优秀的工程代码风格，具备高并发、大数据量下的系统设计与性能优化经验，能够处理大规模离线数据调度任务。 3. 大模型与Agent技术

熟悉LLM/VLM的底层原理与能力边界（如GPT-4V, Qwen-VL, Llama3等），具备丰富的Prompt调优与复杂逻辑思维链（CoT）设计经验。

深入理解并实战过至少一种主流Agent框架（如LangChain, LlamaIndex, AutoGen, MetaGPT等），精通Function Calling/Tool Use机制。

有在海量非结构化数据中落地RAG（检索增强生成）或语义检索（Semantic Search）的成功经验。 4. 自动驾驶与具身智能算法经验（加分项，以下方向熟悉其一即可）

感知/真值工程：熟悉主流3D检测/分割/跟踪算法（如BEVFusion, Occupancy等），有完整的离线自动标注（Auto-labeling）系统开发经验。

数据挖掘：熟悉主动学习、自监督学习、对比学习算法，有在海量无标签数据中进行有效样本挖掘的成功落地案例。

规控/评测：熟悉多传感器融合、多目标跟踪以及轨迹优化方案，或对规控模块的离线评测工具链有深刻理解。 5. 其他加分项

有将Agent技术实际部署在企业级数据闭环、自动化测试或生产力工具中的量产落地案例。 *

关注开源社区前沿，在Agent框架、多模态大模型等相关开源项目中有实质性PR贡献。