蔚来提前批-面向AI智能系统基座软件开发工程师
任职要求
-全日制本科及以上学历，计算机、软件工程、人工智能、电子信息等相关专业； -扎实的计算机基础，熟悉算法与数据结构，具备良好的代码能力和工程习惯；至少熟练掌握一门主流嵌入式系统编程语言（ C / C++ 等）； -对 AI 技术有浓厚兴趣与持续学习热情，了解主流大模型的基本原理与调用方式，有大模型应用开发、AI Agent 搭建、模型推理部署等相关项目或竞赛经验者优先…
工作职责
-参与车载 ECU驱动层、操作系统（RTOS/Linux）等核心基座软件开发，将 AI 推理能力融入高可靠嵌入式系统； -参与 AI Agent 智能体在车端场景的底层支撑系统开发，为座舱交互、智能辅助驾驶等场景提供高性能计算基座； -与算法、产品、测试、架构等团队紧密协作，推动多平台、多车型的 AI 软件基座能力持续建设与演进； -参与高可靠系统的性能优化与稳定性建设，持续提升嵌入式系统的实时性、资源效率与用户体验； -关注 AI 前沿技术趋势（如端侧模型推理、模型量化、算子优化、异构计算等），积极探索智能化能力在嵌入式场景中的落地机会； -参与仿真与验证平台（vECU/SIL/HIL）等关键模块开发，持续提升系统软件与工程实现能力。
-探索并落地 AI 技术在智能汽车数字系统中的应用，参与大模型（LLM/VLM）在车端、云端场景的推理部署与工程化落地； -参与车联云、车载 ECU、操作系统（RTOS/Linux）等核心模块开发，将 AI 能力融入高可靠系统，提升智能化体验； -参与 AI Agent 智能体系统的设计与开发，推动大模型在智能辅助驾驶、座舱交互、仿真测试等场景中的实际应用； -与算法、产品、测试、架构等团队紧密协作，推动多平台、多车型的 AI 软件能力持续建设与迭代； -参与高可靠系统的性能优化与稳定性建设，持续提升系统在 AI 推理场景下的实时性、资源效率与用户体验； -关注 AI 前沿技术趋势（如端侧模型推理、模型量化、Agent 框架、多模态感知等），积极探索智能化能力在实际业务中的落地机会； -参与仿真与验证平台（vECU/SIL/HIL）等关键模块开发，持续提升系统软件与工程实现能力。
1、面向代码智能体能力构建评测体系，覆盖代码库理解、Issue 修复、跨文件修改、测试生成、调试定位、命令执行、工具调用和多步任务完成等场景。 2、设计 Repo-level 和 Agent-level 评测集，评估模型在真实软件工程任务中的任务完成率、测试通过率、修改质量、鲁棒性和执行效率。 3、分析 Code Agent 在复杂任务中的失败模式，包括错误定位失败、上下文遗漏、工具调用错误、无效修改、测试误判、循环修复等问题。 4、建立从评测结果到训练数据和 Post-training 策略的反馈闭环，通过 Bad Case 分析指导数据构造、奖励设计和训练策略优化。 5、参与内部 Benchmark、模型能力看板和回归评测系统建设，支持 Code Agent 能力持续迭代。
作为一名核心的预训练数据算法研究员，你将直接参与构建和优化我们核心大语言模型的预训练，并侧重在 code、agentic、reasoning-heavy 类任务的高质量训练数据集搭建；包含但不限于数据收集、合成数据生成、任务行为轨迹构建等。 1.开发并生成用于大模型训练的合成任务与数据集，涵盖两类场景： 可验证类任务：代码解题、数学计算题等； 不可验证类任务：开放式逻辑推理、通用综合问题求解等。 2.搭建并规模化运行多领域数据合成流程，覆盖 agent、code、math、general reasoning； 3.参与搭建 agentic task environments 以及配套的大模型训练评测体系。
作为一名预训练数据算法研究员，你将负责开发大语言模型训练所需的大规模数据处理算法与数据学习策略。 主要负责： 1.针对多源数据设计并开发code类数据、通用文本数据清洗、增强、合成算法； 2.基于大语言模型研发并迭代数据筛选策略，提升预训练语料的数据质量； 3.搭建并规模化优化数据处理流水线，保障高并发场景下的运行性能与稳定性。