1. 计算机、信息、数学、电子、自动化、机械、测控、汽车等相关专业本科及以上学历。 2. 具有在视觉-语言模型（VLM）或其他多模态AI项目中的模型轻量化部署工作经验，熟悉LLM、VLM等新兴模型。 3. 精通模型性能和资源优化技术，如量化、剪枝、蒸馏、NAS搜索等，熟悉LLM模型的优化方法如MoE、投机采样、LoRA等，有成功优化落地的项目经历 4. 深入理解模型性能分析工具和方法，能够准确评估模型在不同硬件上的性能，熟悉GPU/NPU等硬件上的性能分析工具。 5. 对智能座舱、人机交互、深度学习等领域有浓厚兴趣，在技术上有高追求，能保持长久投入和饱满激情； 加分项： 1. 在端侧硬件（如英伟达、高通SOC等）有实际加速深度学习模型的经验，熟悉常见硬件的体系结构和性能特性 2. 有多核异构和并行计算开发经验者优先 1. 负责智能座舱场景下多模态大模型的性能优化，包括但不限于模型量化、剪枝、蒸馏等加速方法，以确保模型在端、云、端云混合等不同计算架构下的高效运行。 2. 深入挖掘不同边缘设备的硬件特性，适配和优化多模态大模型，在计算资源和模型精度之间做出权衡，通过技术创新和优化策略获得性能更优的模型，确保在资源受限的环境能高效运行。 3. 参与分布式训练及推理框架的落地与优化，提高大规模数据处理性能及硬件资源利用率。 4. 优化智能座舱场景下多模态大模型与其他算法模型（DMS\OMS、语音）的协同推理全链路。