1、负责工程代理模型、多任务预测模型及性能快速评估模型的算法研发与工程落地； 2、面向风阻、应力、刚度、温度、疲劳寿命、NVH、碰撞、能耗等工程指标构建预测模型； 3、将几何数据、材料参数、边界条件、仿真与试验数据转化为可训练、可评估的数据集； 4、设计多输入、多输出、多工况的代理模型架构，支撑不同车型与设计阶段的性能预测； 5、开展 DOE 采样、特征构建、敏感度分析、模型训练、误差分析与泛化评估； 6、研究与运用响应面、Kriging、高斯过程、神经网络、Transformer、神经算子等建模方法； 7、构建模型可信度评估体系，包括误差分布、置信区间、不确定性估计与适用边界判断； 8、与仿真、试验、优化、数据平台等团队协同，推动模型能力进入真实研发流程； 9、将代理模型能力封装为可复用的算法组件与模型服务，沉淀训练流程、评测方法与工程案例。

1、硕士研究生及以上学历，车辆工程、机械工程、力学、流体力学、自动化、数学、计算机、人工智能等相关专业； 2、具备机器学习、深度学习、CAE/CFD 数据建模或工程 AI 建模相关经验； 3、熟悉代理模型方法（响应面、Kriging、高斯过程、XGBoost、神经网络等）及 PyTorch/TensorFlow 等工具； 4、理解至少一个汽车研发工程场景（空气动力学、结构刚强度、疲劳耐久、热管理、NVH、碰撞安全等）； 5、熟悉工程数据建模流程，能处理几何��数、网格数据、工况参数、试验数据与仿真结果； 6、具备较强的数据处理与算法开发能力（Python），能独立完成数据清洗、特征工程、模型训练与结果分析； 7、具备跨团队沟通能力，能将工程问题转化为可建模的 AI 问题。