岗位详情
方向
- A｜Agentic AI B｜物理 AI C｜AI4S
工作内容
- 1、工程问题变成可评测的 Agent：法规校核、仿真分析、质量诊断、设计校核等场景的端到端落地与提效量化。 2、Agent 工程化：多工具调用、流程编排、上下文工程、长任务拆解； 3、LangGraph/LangChain/LlamaIndex 或自研；用 MCP 封装内部系统与车端 DDS/CAN 接口。 4、后训练与自进化：垂域 SFT/LoRA/DPO/RL；搭「生成—自动验证—反馈」闭环，探索 RSI 技能自进化与数据飞轮。 5、以 AI Coding 工具为主力开发：在存量大型代码库完成阅读、改造、调试与测试补齐；软硬结合场景（域控、总线、台架、实车数据）自建故障复现与回归验证。 6、物理 AI / AI4S / 车端 Edge AI：汽车具身场景的多模态感知、决策与 sim-to-real 验证；CFD/碰撞/NVH/结构的代理模型与求解器混合加速；算力受限下的压缩、量化与车端部署。
岗位要求
- 1、2027 届硕士及以上，计算机/AI/自动化/力学/流体/车辆/材料等，B、C 方向博士优先。 2、Python 扎实，能独立交付服务（FastAPI/Flask），熟悉 Linux、Git、CI。 3、熟悉 LLM 应用开发（上下文工程、RAG、Tool Use），有 Agent 框架真实项目经验。 4、熟练以 AI Coding 工具为主力，在陌生大型代码库（含 C/C++、嵌入式配置、SDK）中完成定位、改造与验证。 5、熟悉 PyTorch 与 Transformer，且具备一项：后训练与 RL、端侧推理优化、代理模型与科学计算、多模态感知或生成。
加分项
- 软硬结合项目（台架/HIL、CAN、车载以太网、DDS、实车数据回灌）；车端部署（ONNX/TensorRT/量化/AUTOSAR）；仿真工具（Fluent、Star-CCM+、LS-DYNA、Abaqus、Simulink）；RL 实操或 Agent 评测体系；顶会/开源/竞赛。