小鹏汽车【探索者】匹配解析工程师（肇庆）
任职要求
任职要求：
1.本科及以上学历，1-3年及以上整车相关问题解析经验；欢迎毕业1-2年的同学投递
2.电气、车辆、机械电子等相…工作职责
1.负责整车车体匹配领域新车质量问题、量产复合问题的分析和改进，针对车体匹配质量问题组织专题会推进问题整改，实施闭环管理; 2.负责协助对产品设计结构及数据进行确认和校核，并能提出有效改善意见或措施，参与车体匹配相关问题的疑难问题进行技术把关。 3.负责协助建立并执行行质量问题管理机制，推进质量问题有效纳入问题库进行新车型规避; 4.负责质量问题解析报告、解析业务手册等资料的制作，筑本领域内的KNOW-HOW积累; 5.负责相应领域设计变更在工厂试装阶段的技术判断; 6.负责对相应领域重大、疑难复杂问题进行解析并推动解决；
1.负责轴齿需求分析，SOR编写定义及技术协议； 2.负责电驱系统轴齿&差速器方案设计，材料选取、寿命&NVH仿真、轴齿&差速器结构&精度行业对标； 3.负责轴齿设计资料编写：设计方案书，对标，工艺路线、DFMEA、2D\3D、DVP、特殊特性清单、检验基准书、尺寸链、轴齿BOM维护，变更管理等； 4.负责轴齿开发管理，定点：轴齿&差速器供应商能力审核、SOR及技术协议、TR、定点等； 5.负责OTS前的订单、质量管理，牵头解决开发过程中轴齿相关问题； 6.完成DRE工作：OTS、阀门交付、质量管理OTS前订单管理及研发过程问题解析、OTS后协助SQE完成轴齿生产一致性管控、轴齿&差速器产线问题解决等； 7.负责轴齿&差速器设计规范编制及维护； 8.新技术研究、设计优化、降本增效。
1、简历智能解析提取结构化信息、简历筛选和岗位匹配，个性化定制面试题，AI分维度面试评价和整体总结，绩效评估多人反馈总结，对话式数据统计分析； 2、建设和调优满足场景应用的意图识别、实体识别、问题拆解策划、工具调用、相关性排序、理解生成模型能力； 3、People领域高质量语料构建，针对具体应用场景的指令集构建、评测体系和指标设计及评测数据构建； 4、大模型Post-training、Fine-tuning，强化学习偏好对齐，Prompt设计和优化； 5、调研和尝试AI行业的前沿技术，推动技术在实际应用场景落地和效果优化。
构建下一代基于大型语言模型（LLM）的智能搜索系统，通过深度语义理解与用户意图解析，实现从“关键词匹配”到“需求精准洞察”的跨越，推动搜索技术从信息检索向智能交互与决策赋能的范式升级！ 1.负责设计并实现基于LLM的智能搜索架构，优化语义理解、意图识别与结果排序算法； 2.构建用户需求画像系统，结合实时行为数据动态调整搜索策略，提升搜索结果相关性与用户满意度； 3.探索生成式搜索技术（如Query扩展、结果摘要生成），推动搜索从“信息呈现”向“决策辅助”升级。
团队介绍：字节跳动搜索团队主要负责抖音、国际化短视频、今日头条、西瓜视频等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。我们使用前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，文本、多模态预训练，到业务上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，实现多模态视频搜索强大的语义理解和检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新；5、推荐技术：基于超大规模机器学习技术，构建业界领先的搜索推荐系统，对搜索推荐技术进行探索和创新。 课题介绍：随着大模型技术的快速发展，智能搜索领域迎来了新的机遇和挑战。传统搜索技术在面对海量数据、多模态信息以及用户复杂需求时，逐渐暴露出模型容量不足、语义理解能力有限、资源利用率低等问题。基于大模型的智能搜索构建旨在通过引入大模型技术，提升搜索系统的智能化水平，优化用户体验，并解决超大规模检索、复杂语义理解、资源高效利用等核心问题。具体目标包括： 1、探索大模型与排序算法的结合，提升个性化排序的精度和用户体验； 2、研究生成式检索算法，解决百亿乃至千亿级别候选库的超大规模检索问题； 3、利用大语言模型（LLM）提升复杂多义Query的搜索满意度。 1、参与搜索引擎（策略、模型）研发工作，支持抖音/今日头条/电商/番茄小说/红果短剧等具有数亿用户的产品，致力于为数亿用户提供数千亿精准搜索结果，打造极致的搜索体验； 2、探索前沿技术，探索大模型等创新技术在AI搜索场景的落地，参与搜索引擎、搜索大模型的改进，包括而不限于： 1）NLP、大模型：构建大规模高质量数据（数据建设、数据抓取与解析、数据合成等）、分词、NER，文本、多模态预训练、Query分析、基础相关性等，全链路结合应用机器学习/深度学习模型，探索搜索引擎与大模型、LLM、MLLM、多模态、机器学习、强化学习等前沿技术的结合，实现搜索引擎全链路革新并进行极致的系统优化，探索提升AI搜索引擎的能力，包含而不限于相关性、权威性、时效性、意图理解能力等；探索新的自然语言处理算法、信息检索技术、LLM适性索引、LLM相关性、生成式召回、排序大模型等，提高搜索引擎的准确性和智能化程度； 2）召回与排序：借助语义理解、个性化预估、机制设计等技术，解决超大规模的视频、商品、直播、POI等搜索业务下的召回、排序、重混排模型； 3）多模态、跨模态匹配技术：基于海量网页图文、抖音视频数据的大规模多模态预训练和视频分析技术，提升视觉搜索的使用体验；在搜索中结合CV+NLP深度学习技术，实现多模态、视频搜索、强大的语义理解和检索能力； 4）页面分析和摘要：从千亿视频/网页中提取最有价值的信息，进行结构化字段提取、智能摘要生成、转码等工作来优化搜索体验； 5）链接分析：从万亿链接中找出最有价值的网页，优化链接质量、索引质量、垃圾作弊识别、调度策略等。