工作职责： 1. 负责电池测试数据（老化、ATE、螺丝机）的清洗、特征提取与异常识别算法开发与迭代； 2. 负责产线视觉质检场景的模型开发与现场调优，包括锁附顺序识别、点焊质量判定、来料电芯参数筛选； 3. 负责公司内部大模型应用的落地与运维，包括成本估算、图纸识别、规格书解析、知识库问答与 Agent 流程自动化； 4. 参与测试数据管道建设，推动多源数据（老化/焊机/MES/成品 SN）自动采集、清洗入库与口径统一； 5. 跟踪算法上线后的业务指标，完成误检率优化、根因归类与效果验证闭环； 6. 输出技术文档、测试报告与专利/论文等技术沉淀材料。 任职资格： 1. 2027 届本科及以上学历，计算机、自动化、电子信息、数学统计、车辆工程或电池相关专业； 2. 熟练使用 Python（pandas / numpy），具备 Git 版本管理习惯，能独立完成可复跑的数据处理与建模脚本； 3. 具备至少一个完整独立完成的项目经历（课程设计、竞赛、实习、开源、论文复现均可），能清晰说明个人贡献、技术选型与结果验证方式； 4. 具备扎实的数学与统计基础，理解异常检测、时序分析、聚类等方法的适用前提与失效条件； 5. 具备良好的沟通能力，能与产线、品质、工艺、IT 等跨职能同事对接需求；