职位描述：
1.探索多模态大模型、自监督预训练、世界模型等前沿技术，并应用于自动驾驶场景。
职位要求：
岗位职责：
探索多模态大模型、自监督预训练、世界模型等前沿技术，并应用于自动驾驶场景。
研究方向：
候选人需了解并熟悉以下至少一个方向：
视觉预训练（Visual Pretraining）：研究自监督学习、知识蒸馏、大规模数据预训练在视觉任务中的应用，熟悉相关工作如DINOv2等。
多模态学习（VLM/VLA）
Vision-Language-Model（VLM）：研究视觉语言大模型，熟悉相关工作如 VARGPT、VPiT、Ross 等。
Vision-Language-Action（VLA）：研究视觉语言动作大模型并探索在自动驾驶场景应用，熟悉相关工作如 EMMA等。
世界模型（World Model）
研究基于自监督学习与强化学习结合的端到端世界模型，应用于自动驾驶场景的状态建模、状态转移预测与规划决策。
熟悉相关工作，如 Dreamer 系列、Genie2、Doe-1、JEPA、Cosmos 等。
技术能力要求：
熟悉自监督和生成模型，了解大规模预训练，有经验者优先。
熟练掌握 PyTorch，具备模型开发与优化能力，能够提升训练效率。
招聘部门：
小米
工作地点：
北京市
面试建议：
这个e2e预研实习生的职位专注于将前沿AI技术应用于自动驾驶领域，特别是多模态大模型、自监督预训练和世界模型的研究。面试官会特别关注候选人对这些前沿技术的理解和实践经验。由于这是一个研究型岗位，除了技术能力外，面试官也会考察候选人的学习能力、创新思维和问题解决能力。 建议应聘者重点准备以下几个方面：首先，深入了解职位描述中提到的各个研究方向，特别是自己熟悉的方向，要能清晰阐述相关技术原理和应用场景。其次，准备好展示自己在PyTorch方面的实践经验，包括模型开发和优化的具体案例。最后，思考如何将这些技术应用于自动驾驶场景，准备一些创新性的想法或解决方案。面试时可能会遇到技术深度讨论和实际问题的解决场景，所以要确保对基础知识掌握扎实，同时保持开放的学习态度。