长鑫存储运营提升工程师 l Operation Promotion Engineer(J17517)

1. 构建营运效率提升体系，协助各单位提升效率与质量; 2. 依据客观数据发现问题，设定目标拟定改善计划追踪解决问题，并实施长效管理; 3. 以客户为导向，结果为导向。

公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)

该角色将负责 IT采购与供应商全生命周期管理，通过成熟的机制保障项目的交付，为公司创造长期价值。同时，通过跨部门协作，扫清流程障碍；通过策划技术培训与行业交流，提升团队创新力与研发效率。通过支持项目管理及工具优化，最大化组织效能；并致力于引进先进AI工具技术赋能整个团队。 岗位职责 1. IT采购与供应商全生命周期管理  负责软件、License及项目整包的端到端采购管理，涵盖从需求分析、供应商寻源、合同谈判到履约执行的全流程，确保采购高效合规；  负责外包团队管理（需求确认、招聘、考勤绩效及离场交接），解决协作痛点；  负责供应商全生命周期管理（准入、绩效评估、分级与退出）并持续优化。 2. 部门运营及工程师文化建设  对接EHS、CGA、Security及L&D等职能部门，作为枢纽处理各团队事务；  构建部门内外部培训体系，策划技术论坛、在线课程等多元化技术分享活动，提升团队技术能力；  统筹外部行业大会参会与对外宣传，促进内外部技术交流； 3. 部门项目管理工作  支持IT部门日常项目管理工作，包括组织会议、统计项目数据、生成项目报告等；  推动内部项目管理工具升级，提升项目管理效能与知识沉淀；  驱动先进AI工具的调研、引进及推广，通过智能化手段赋能工程师团队。

1. 召开DRB会议，讨论impact 产品的风险，并根据对应的风险，制定出处置办法，追踪DRB改善措施的完成进度。 2.构建运营效率提升体系，协助各单位提升效率与质量； 3. 依据客观数据发现问题，设定目标拟定改善计划追踪解决问题，并实施长效管理； 4. 展现并鼓励团队合作，信任，以客户为导向，结果为导向。