1 数据处理算法开发 1.1 非结构化数据处理：开发针对各类文档（PDF、Word、扫描件、表格）的自动化解析算法，包括OCR（光学字符识别）、版面分析、表格结构识别、关键信息抽取等。 数据清洗与增强：针对数据库（SQL/NoSQL）及文本语料，设计数据清洗、去重、脱敏及数据增强算法，构建高质量的训练数据集。 知识库构建：结合NLP与向量检索技术，开发文档切片、Embedding生成、多源数据融合算法，服务于RAG（检索增强生成）或知识图谱系统。 2 领域相关AI算法研究（图像/语音/强化学习等） 2.1 算法跟踪与复现：跟踪计算机视觉（CV）、语音识别（ASR）、自然语言处理（NLP）或强化学习（RL）等领域的SOTA论文，根据业务场景复现并改进算法。 2.2 模型开发与训练： 图像识别：目标检测、图像分类、语义分割、人脸识别等； 语音识别：声学模型、语言模型、语音端点检测、语音合成前端处理； 强化学习：智能决策、动态调度、游戏AI或机器人控制策略的建模与训练。 场景化调优：针对具体业务（如质检、安防、客服、推荐系统）进行数据适配、损失函数设计及超参数优化，提升模型在真实场景下的准确率和鲁棒性。 3 模型量化与蒸馏工程化落地 3.1 模型压缩：主导深度学习模型的轻量化工作，应用并优化量化（PTQ/QAT，Int8/FP16）、知识蒸馏（基于Logits、基于特征）、剪枝、低秩分解等技术。 3.2 推理加速：配合推理引擎（TensorRT, ONNX Runtime, OpenVINO, TVM）对压缩后模型进行算子优化和端侧/云端部署，满足低延迟、高吞吐的工程要求。 3.3 工具链建设：构建自动化的模型压缩与评估Pipeline，实现从训练浮点模型到部署定点/轻量模型的端到端工具支持。

1. 计算机、人工智能、自动化、数学等相关专业，硕士及以上学历（优秀本科生可放宽）。 2. 编程基础：精通Python，熟练使用C++/Java至少一种；熟悉Linux开发环境。 深度学习框架：精通PyTorch或TensorFlow，熟悉ONNX、TorchScript等模型导出格式。 算法能力（对应模块）： 数据处理：精通OpenCV、PDF解析库（PyMuPDF, pdfplumber）、OCR框架（PaddleOCR, Tesseract）或文档智能（LayoutLM, Table Transformer）。 领域算法：对CV（如YOLO, ResNet, ViT）、ASR（如Wav2Vec2, Whisper）、RL（如PPO, DQN）至少一个子领域有深入项目经验。 模型压缩：必须熟练使用至少一种量化/蒸馏工具（如NVIDIA TensorRT, Intel Neural Compressor, PaddleSlim, AIMET），理解STE、KL散度等原理。 推理部署：熟悉GPU（CUDA）或CPU（oneDNN）推理加速，有实际边缘设备（Jetson, 树莓派）或服务端（Docker, K8s）部署经验。 3. 具备良好的沟通协调能力、团队协作精神,较强的问题解决能力与技术攻坚能力,能够承受一定的项目压力。 4. 具备整车研发相关经验者优先。 5. 5年以上AI算法相关工作经验 6. 良好的沟通、组织、协调能力；