1. 端到端测评体系设计与落地

•构建面向一段式端到端自动驾驶的测评方法论与质量评估体系

•制定端到端系统的测评标准、通过准则与版本验收流程

•建立仿真 - 实车测评结果的对标与校准机制，确保测评结论的可信度

•与算法团队紧密协作，深度理解端到端模型的技术原理与优化方向

•与仿真开发团队对接，提出仿真工具需求，推动仿真能力满足测评要求

2. 场景测评策略与覆盖度管理

•制定端到端场景测评策略，定义场景优先级、覆盖度要求与测评深度

•基于真实路采数据，挖掘高价值测评场景与 Corner Case

•评估场景库的有效性与覆盖度，提出场景补充与优化建议

•建立场景难度分级机制，实现测评的分层分级管理

3. 大规模仿真测评执行与分析

•负责端到端模型的大规模仿真测评策划与执行，包括回归测试、专项测试、版本发布测试

•深度分析仿真测评数据，精准识别算法缺陷、性能退化与回归问题

•输出专业的测评报告，包含问题根因分析、性能量化对比、风险评估

•跟踪问题闭环，验证算法优化效果，推动质量持续提升

4. 测评工具与方法创新

•探索面向端到端大模型的新型测评方法，包括对抗性测试、极限压力测试、长时序闭环测评

•研究基于大模型的自动化测评技术，提升问题发现效率与测评自动化化水平

•优化测评数据分析方法，建立性能趋势预测与风险预警机制

•引入行业先进测评理念，持续提升测评体系的专业性与前瞻性

•3 年以上自动驾驶仿真测评经验，其中 1 年左右端到端测评经验

•了解主流端到端仿真测评方法，具备丰富的大规模仿真测评执行与数据分析经验

•了解深度学习、大模型基本原理，理解一段式端到端技术路线的特点与测评难点

•深入理解自动驾驶系统架构，熟悉感知、预测、规划控制全链路技术原理

•熟悉主流仿真平台，具备自动驾驶SIL/HIL/logsim等测试经验优先

•熟练掌握 Python 进行数据分析与可视化，具备独立完成深度测评分析的能力

•数据挖掘、机器学习背景者优先

•计算机科学、车辆工程、自动化等相关专业本科及以上学历