负责支持如下工作开展： 1.设计并实现座舱记忆系统 架构设计：为智能座舱设计多层级的记忆架构，整合短期（当前会话上下文）、长期（用户习惯、跨会话信息）与语境记忆（车辆状态、环境信息）。建立车规级的外部记忆存储（如向量数据库）与检索机制 机制开发：开发记忆的高效检索、智能压缩、动态更新与冲突解决机制（例如，当用户喜好改变时，能更新旧记忆） 数据管理：构建座舱场景下的记忆数据采集、清洗、评估流程，持续提升记忆数据的质量 2.深度上下文理解与工程优化 核心优化：基于对座舱交互场景的深度理解，优化核心提示语（Prompt） 与上下文编排策略，使模型在有限的上下文窗口内做出最准确、个性化的响应。 知识增强：结合检索增强生成（RAG）、知识图谱等技术，为模型动态注入行车手册、服务目录等外部知识，确保回答的准确性 3.驱动座舱智能体场景落地 场景挖掘：深入座舱具体场景（如连续多轮导航对话、根据用户日程主动提醒、跨应用的任务执行等），将记忆与上下文能力转化为实际的个性化服务与场景连贯体验 智能体开发：基于记忆系统，设计并开发座舱内的多智能体（Multi-Agent），实现复杂任务（如规划行程并预订服务）的协同处理 4.负责模型优化与车端部署 模型优化：应用监督微调（SFT）、强化学习（如RLHF）等对齐技术，优化模型的记忆与决策行为 效率部署：精通模型蒸馏、量化等优化技术，将大模型能力适配至车机芯片的有限算力与功耗约束下，并负责或协同完成车规级模型的部署与性能调优