崗位職責:
擬進站課題:面向發動機智能診斷的大模型輕量化集成技術研究與應用
擬解決的關鍵問題:
"結合濰柴在商用車領域的大批量應用基礎,通過蒸餾技術探索解決大模型在后市場服務診斷場景落地的核心痛點,推廣應用至海內外幾千家售后服務站數萬名維修工程師,具體涵蓋以下內容:
1. 大模型輕量化技術:針對商用車后市場中模型算力受限、實時性要求高的問題,研究基于PB級維修與工況數據的大模型蒸餾、剪枝和量化壓縮技術,開發適配發動機診斷的輕量模型。目標實現端側推理延遲≤100ms,故障召回率≥95%。模型可穩定運行于ARM架構等車規級嵌入式設備,支持跨平臺部署,解決復雜工況下診斷不及時的核心瓶頸。
2. 診斷工具集成優化:構建云端訓練、邊緣部署的端云協同架構,提升模型更新與推廣效率。終端工具需滿足車規指標(溫度、沖擊、防護等級、EMC等),適配Windows/Linux/Android系統。模型更新周期不低于1月,診斷結果可斷點續傳(誤差≤0.1%),實現向國內外數千家售后服務站推廣,服務數萬維修人員,提升平均診斷效率與準確性。
3. 領域自適應技術:建立濰柴專屬發動機故障知識圖譜作為蒸餾約束,結合遷移學習與小樣本建模技術,提升模型在新車型、新工況下的泛化能力。支持離線或弱聯網環境下的持續學習機制,部署后能基于實際數據增量更新,保障系統長期高效運行并保持高精度診斷能力。"
任職要求:
人工智能、控制科學與工程、計算機科學與技術(機器學習)、電子信息、車輛工程、內燃機等專業
1.至少1項大模型壓縮(蒸餾/量化/剪枝)相關研究經歷;
2.在車規級嵌入式系統(如ARM架構)部署神經網絡的實踐經驗;
3.有參與智能網聯汽車及汽車電子領域故障診斷項目經驗;
4.熟悉CAN總線協議或ISO 14229(UDS)診斷標準。
博士后在站期間基本要求:
1. 全職到企業開展博士后課題研究,結合業務場景完成專利不低于5項;
2. 基于企業平臺申請省自然基金,參與國家重點研發計劃項目等工作;
3. 工程化落地應用大模型輕量化集成技術不低于10項;
4. 遵守企業保密、信息和數據安全相關規定。
注:可全職或兼職