小米小米汽车-生产制造-涂装返修工

1. 负责冲压，车身，涂装，总装，电池，压铸，电驱等零部件和整车质量检查； 2. 负责零件外观及扭矩检查； 3. 负责质量检查报告制作，并组织问题讲评会； 4. 负责质量问题预分析及返修确认放行； 5. 负责区域质量设备点检和日常维护。

BIW-TAC技师（特斯拉行动中心）是供应链管理中的关键角色，他/她将在特斯拉超级工厂工作，主要负责焊装车间，冲压车间，涂装车间外购件相关问题的跟踪和响应，通过和超级工厂制造团队，质量团队，物流团队以及供应商工业化工程团队通力合作确保外购零部件的质量提升和供应稳定。 岗位职责: 1. 线边问题响应围堵：响应白板/Audit问题，对于简单问题进行分析，并与供应商制定落实临时措施，线边每日响应问题更新录入跟线清单中，与其他部门一同协作，确保提供给生产部门的物料满足特斯拉设计及质量要求； 2. 零件线边检验&不合格品处置：班组长传递的PCA（供应商零件生产变更请求）及项目件试装信息，按照变化点进行检查，确认零件是否符合要求，按照法规件检验清单检验法规零件，核对法规型号、供应商信息、3C标识，出口零件核对E-Mark标，拉动供应商，按照《可疑品和不合格品处置程序》对不合格零件进行处理； 3. 三方人员及供应商现场服务人员的管理：根据三方/现场服务人员签到信息，确认人员线边在岗状态，对三方/现场服务人员分层审核，确保已知的零件问题不流到生产线，分层审核发现的不符合项得到及时整改，跟踪供应商现场服务和三方每班登记当班结果并对填写不符合项及时通知整改； 4. 问题解决闭环管理：配合工程师分析和解决问题，一定情况下需要对相关零部件进行拆卸和返修，推动问题闭环和措施落地工作； 5. 遵守公司规章制度，严格按照作业指导书工作，积极查找安全隐患，及时汇报安全隐患和事故，提出安全合理化建议，通过不断改进，创造安全健康的工作环境。

我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。

【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。