AI大模型算法工程师/专家

优缺点分析

角色解读

• 在技术专家方向深耕，成为AI大模型在智能座舱领域的权威
• 向技术管理方向发展，带领团队负责更大规模的模型研发与落地
• 横向拓展至更多车载AI应用场景，如自动驾驶、智能交互等
• 负责智能座舱核心AI模型（语音识别、多模态融合）的后训练与精调，解决中英混杂、方言识别等复杂问题
• 设计座舱Agent的Function Calling框架，优化自然语言到车控API的映射，提升多轮对话和上下文理解能力
• 研发视觉、语音、触控等多模态融合决策模型，处理跨模态冲突，提升协同决策效率
• 与软硬件团队协同，确保模型在座舱环境中的落地适配，并支持产品Demo和车展展示
• 精通TensorFlow/PyTorch，掌握模型微调、量化、蒸馏全流程
• 熟悉语音识别、多模态融合算法，具备Code-Switching实战经验
• 具备独立设计后训练方案和主导核心模块攻坚的能力
• 良好的问题分析与技术落地能力，能适应研发节奏

申请策略

• 在简历中明确体现对智能座舱场景的理解和热情
• 面试时准备相关项目案例，展示解决复杂技术问题的思路
• 突出语音识别、多模态融合或大模型后训练的项目经验，尤其是Code-Switching、多模态冲突处理等难点
• 强调精通TensorFlow/PyTorch，并展示模型微调、量化、蒸馏的实际应用案例
• 如有智能座舱或车载AI项目经验，务必重点描述
• 展示独立设计后训练方案和主导核心模块攻坚的能力
• 补充学习智能座舱相关技术，如车载OS、车控API等
• 关注大模型在语音、多模态领域的最新研究，如Agent、Function Calling等

面试指南

• 回答项目经验时，采用STAR法则（情境、任务、行动、结果），突出你的技术决策和量化成果
• 对于技术问题，先阐述基本原理，再结合具体场景分析，最后给出解决方案
• 对于开放性问题，展现你的行业洞察和思考深度，结合博世业务方向
• 请详细描述你主导的一个大模型后训练项目，包括数据、模型、优化策略和最终效果
• 如何处理语音识别中的Code-Switching问题？请举例说明
• 在多模态融合中，如何处理跨模态冲突？
• 如何设计一个Function Calling框架来优化自然语言到API的映射？
• 你如何看待大模型在智能座舱中的应用前景和挑战？