职位描述1. 基于异构计算平台，重点优化和部署自动驾驶领域相关的神经网络模型，特别是在边缘计算设备上的量化实现； 2. 负责神经网络模型的量化算法精度评估与实践，包括QAT（Quantization-Aware Training）和PTQ（Post-Training Quantization）等，确保模型在资源受限环境中的高效运行； 3. 评估并实施神经网络模型的压缩算法，如剪枝、蒸馏等，提升模型在异构平台上的推理速度与性能。任职要求基本要求: 1. 具有在边缘计算设备中部署神经网络模型的经验，熟悉CNN、Transformer、LSTM等常见神经网络模型架构； 2. 有丰富的量化模型优化经验，熟悉QAT、PTQ等常见的量化技术，并能有效应用于自动驾驶相关场景； 3. 主动学习、良好的沟通能力和团队合作精神； 加分项： 1. 有作为主要贡献者参与并落地交付过自动驾驶项目的经验； 2. 熟悉BEV感知、图像感知、Lidar感知、时空融合、轨迹预测等神经网络模型，特别是这些模型的量化与压缩； 3. 从事过AI相关软件开发，包括AI编译器、AI算子库及AI推理/训练框架，具备模型量化与推理加速的经验； 4. 有使用或开发过PPQ量化框架的经验，能够在实际项目中灵活应用该工具进行模型量化与优化； 5. 在AI领域的顶会或期刊发表过有关模型量化、优化的论文。
