自动驾驶数据闭环工程师（Trigger 逻辑方向）

1、Trigger 逻辑定义与规则设计 ①负责将算法团队的数据挖掘需求（自然语言描述的场景定义）转化为可执行的 Trigger 逻辑，包括规则条件、阈值、时序约束与多条件组合逻辑； ②针对长尾场景（接管、急刹、碰撞风险、NGP 开启/退出、影子模式置信度异常等）设计 Trigger 判定逻辑，明确触发边界与误触发抑制策略； ③负责 Trigger 逻辑的可执行化表达（规则或特征向量定义），保证逻辑语义清晰、可维护、可迭代； 2、云端 Trigger 向量生产 ①在云端基于车端回传的 Clip 数据，运行 Trigger 逻辑并产出场景向量，完成从“场景定义”到“向量输出”的生产闭环; ②基于 DDP 的向量生产 DataLoader：针对多模态 Clip 数据（图像、点云、CAN），配合现有分布式数据加载链路完成 Trigger 逻辑的批量计算，关注多卡场景下的吞吐与负载均衡； ③基于 MLIR 运行量化模型完成向量生产：负责 Trigger 相关模型（场景分类、置信度评估、特征提取等）以量化形态在 MLIR 运行时上跑通并产出向量，保证量化推理数值正确性与结果一致性，对推理吞吐做调优； 3、Trigger 效果评估与迭代 ①负责 Trigger 命中准确率、误触发率、覆盖率等指标的评估，基于回传数据反馈持续优化 Trigger 逻辑； ②与感知、规控及数据平台团队协作，对齐高价值场景的判定标准，优化 Trigger 逻辑的“信噪比；