理聘网-职位详情页， 博士后科研人员（人工智能研发方向）

任职资格： 1.博士研究生学历并具有相应学位，计算机科学与技术、人工智能、模式识别、机器学习、运筹学、控制科学与工程、应用数学（偏AI方向）等相关专业，研究方向与智慧交通、大模型、CV、仿真等高度相关；​ 2.发表过CCF-A/B类论文（如CVPR、ECCV、TR-B）或参与过国家级AI+交通科研项目（如交通部“智慧公路”科技示范工程）优先考虑； 3.精通计算机视觉核心算法（目标检测/分割、BEV感知、多目标跟踪），熟悉PyTorch/TensorFlow框架及模型优化（注意力机制、轻量化设计）； 4.掌握强化学习（PPO/SAC/MARL）或多智能体决策方法，能将其应用于交通场景优化，熟悉交通仿真工（VISSIM）； 5.具备AI模型工程化经验（训练/调优/部署），熟悉Linux/Docker/K8s开发环境，掌握C++/Python高性能编程（满足边缘端低延迟需求），能推动技术从实验室到路侧设备的落地； 6.有智慧交通AI项目实习/科研经历（如在百度Apollo、腾讯智慧交通参与感知/决策算法开发）优先考虑。 岗位职责： 1.开发交通感知算法（目标检测/多目标跟踪），优化YOLOv8/DETR等模型在雨雾/夜间低光照下的识别准确率（mAP≥95%），降低漏检/误检率（≤3%）； 2.设计动态决策算法（事故分流/绿波优化），基于强化学习（PPO/SAC/MARL）或多智能体博弈，提升路网通行效率（延误率降低20%）与协同响应速度（≤200ms）； 3.推动AI模型在路侧边缘设备（Jetson Nano/Xavier）部署，优化模型轻量化（参数压缩≥50%）与实时性（处理帧率≥30FPS），适配高速场景高并发需求； 4.参与交通仿真验证（VISSIM/Paramics），迭代算法泛化能力（覆盖高速/匝道/隧道等多场景）与鲁棒性（应对突发抛洒物/异常停车）； 5.跟踪CVPR/ECCV等顶会计算机视觉前沿论文，结合智慧高速场景提出创新方案（如BEV+Transformer的高速公路感知架构、多任务学习检测模型）； 6.主导技术专利（如基于BEV的多目标跟踪方法）与核心期刊论文（IEEE T-ITS）产出，强化技术学术影响力。