职责描述： 拟进站课题：面向发动机智能诊断的大模型轻量化集成技术研究与应用 拟解决的关键问题： "结合潍柴在商用车领域的大批量应用基础，通过蒸馏技术探索解决大模型在后市场服务诊断场景落地的核心痛点，推广应用至海内外几千家售后服务站数万名维修工程师，具体涵盖以下内容： 1. 大模型轻量化技术：针对商用车后市场中模型算力受限、实时性要求高的问题，研究基于PB级维修与工况数据的大模型蒸馏、剪枝和量化压缩技术，开发适配发动机诊断的轻量模型。目标实现端侧推理延迟≤100ms，故障召回率≥95%。模型可稳定运行于ARM架构等车规级嵌入式设备，支持跨平台部署，解决复杂工况下诊断不及时的核心瓶颈。 2. 诊断工具集成优化：构建云端训练、边缘部署的端云协同架构，提升模型更新与推广效率。终端工具需满足车规指标（温度、冲击、防护等级、EMC等），适配Windows/Linux/Android系统。模型更新周期不低于1月，诊断结果可断点续传（误差≤0.1%），实现向国内外数千家售后服务站推广，服务数万维修人员，提升平均诊断效率与准确性。 3. 领域自适应技术：建立潍柴专属发动机故障知识图谱作为蒸馏约束，结合迁移学习与小样本建模技术，提升模型在新车型、新工况下的泛化能力。支持离线或弱联网环境下的持续学习机制，部署后能基于实际数据增量更新，保障系统长期高效运行并保持高精度诊断能力。" 任职要求： 人工智能、控制科学与工程、计算机科学与技术（机器学习）、电子信息、车辆工程、内燃机等专业 1.至少1项大模型压缩（蒸馏/量化/剪枝）相关研究经历； 2.在车规级嵌入式系统（如ARM架构）部署神经网络的实践经验； 3.有参与智能网联汽车及汽车电子领域故障诊断项目经验； 4.熟悉CAN总线协议或ISO 14229（UDS）诊断标准。 博士后在站期间基本要求： 1. 全职到企业开展博士后课题研究，结合业务场景完成专利不低于5项； 2. 基于企业平台申请省自然基金，参与国家重点研发计划项目等工作； 3. 工程化落地应用大模型轻量化集成技术不低于10项； 4. 遵守企业保密、信息和数据安全相关规定。 注：可全职或兼职