大模型应用开发工程师

负责座舱云端模型的训练与持续迭代，覆盖车辆控制（空调、座椅、车窗、灯光等）、媒体播放和导航等自然语言交互场景，对模型效果和线上体验负责。 负责训练数据方案，包括数据收集、清洗、标注规范、合成数据和评测集建设；组织 SFT 等微调实验，优化意图理解、槽位填充、多轮对话和工具调用效果。 负责语音端到端大模型与导航 Agent、车控 Agent 的集成，定义模型与 Agent 之间的接口、工具调用协议、上下文和对话状态传递方式，完成联调、效果评估和问题闭环。 建立模型评测与 badcase 分析机制，围绕任务成功率、工具调用准确率、误控与安全性、时延等指标驱动数据和训练方案改进。 作为该方向的 Tech Lead，制定技术方案和实验规范，评审关键设计与实验结果；指导实习生和初级工程师拆解问题、设计实验、完成代码与实验评审。 与语音、导航、车控、产品及相关工程团队协作，推动云端模型能力在座舱场景中稳定落地。 跟踪大模型与 Agent 技术进展，完成必要的技术调研和文档沉淀，把可落地的方法引入现有训练与集成链路

必备项 计算机、人工智能、软件工程、自动化等相关专业，本科及以上学历；硕士及以上优先。 有 C++、Go、Python 至少一门的生产级或业务系统开发经验。 具备大模型训练或微调的项目经验，能独立负责一条业务场景从数据、训练、评测到问题定位的闭环。 熟练使用 Python 与 Hugging Face Transformers。 具备任务型对话、函数调用 / Tool Use 或 Agent 的实际经验，做过多轮对话、工具调用或任务成功率优化。 能清晰说明模型方案取舍，并推动语音、导航、车控等上下游对齐接口与验收标准。 有指导实习生或初级工程师的经验，能通过方案评审、实验设计和代码评审提升团队交付质量。 工作认真负责，具备良好的学习能力、沟通能力和跨团队协作能力。 加分项 有语音端到端大模型，或导航、车控、媒体等座舱场景的落地经验。 有云端推理、模型服务化或时延优化经验。 熟悉 RAG、领域知识注入或高质量指令数据构造。 了解 Go 或后端服务开发，能与工程侧共同定义接口。 有 Linux 下 C/C++ 经验，了解车端或车云链路。 该职位可能涉及 Tesla 境外面试官面试，境外面试官可能会按需访问您的简历。如您投递简历，我们将视为您同意 Tesla 基于招聘目的向 Tesla, Inc. 的面试官提供您简历信息。详细内容和联系方式可前往 Tesla 官方招聘网站查看《Tesla 人才信息境外传输声明》（ [外部招聘链接已隐藏] ）