2026年转正工作总结自我评价精编(3篇).docxVIP

2026年转正工作总结自我评价精编(3篇)

2026年转正工作总结自我评价·精编一

（北京·亦庄·小米汽车自动驾驶部·软件质量组）

一、试用期任务全景

1.项目背景

2025年7月入职时，小米SU7Ultra处于L3级城市NOA量产前夜，软件质量组需把“误制动率”从1.2‰压到0.3‰以下。我的岗位是“软件质量工程师-感知模块”，直接向质量总监汇报，虚线向感知算法负责人汇报。

2.个人OKR

O：在2026年3月前，把感知误报导致的误制动率降低60%，并建立可持续运营的质量闭环。

KR1：主导完成感知误报知识图谱0→1搭建，覆盖场景≥8000个；

KR2：推动数据闭环工具链落地，使误报样本从发现到进入训练集≤72h；

KR3：个人输出专利≥2篇、部门级技术分享≥4次，培养1名实习生独立上岗。

二、核心工作拆解

1.误报知识图谱

1.1方法

①用Neo4j+Python构建“场景-物体-标签-根因”四元组，字段全部枚举到叶子节点，避免“其他”标签；

②制定《感知误报标注规范V2.3》，把“鬼探头”细分为7类子场景，每类配3张以上高分辨率示例图；

③与外包标注团队签署“一次验收率≥95%”的对赌协议，不合格批次整包退回，违约金按像素级错误率0.5%起扣。

1.2结果

图谱节点8763个，关系21048条，支持Gremlin查询；春节返程高峰前交付，误制动率由1.2‰降至0.48‰，提前达成阶段目标。

2.数据闭环工具链

2.1流程

车端触发策略→云端最小化回传→数据湖清洗→自动标注→人工复检→模型微调→OTA灰度→效果监控→回滚预案。

2.2关键节点

①车端触发：新增“双阈值”策略，置信度0.4且制动压力30bar才回传，日均流量从4.2TB压到760GB；

②自动标注：用半监督学习+ActiveLearning，把人工标注量降55%，单帧成本从0.42元降到0.19元；

③OTA灰度：按车辆尾号模100取样，先灰5%，监控24h无异常再全量；回滚窗口≤30min，由Jenkins+Kubernetes一键执行。

2.3指标

样本入库时效平均38h，较Q3缩短一半；闭环迭代周期由14天缩至5天。

3.组织与流程优化

3.1制度

①《感知问题分级响应规定》：P0问题2h内电话通知到总监，8h内出具临时规避方案，24h内给出长期措施；

②《质量回溯例会纪律》：迟到5min以内罚款200元，无故缺席按旷工半天处理，罚金纳入团队团建基金；

③《代码红线》：禁止在release分支直接push，违者当月绩效清零，二次违规退回人力部。

3.2工具

自研“QLight”质量看板，集成Jira、Grafana、Confluence，支持钉钉机器人实时推送，故障平均发现时间从6.3h降到0.8h。

三、量化成果

1.业务指标

误制动率0.48‰→0.27‰（截至2026-03-31），超额完成60%降低目标；

城市NOA功能打开率提升18%，NPS+6.4分。

2.个人产出

发明专利《一种基于知识图谱的自动驾驶误报溯源方法》已公开（CN119123456A）；

软著《QLight数据闭环平台V1.0》已下证；

内部技术分享4次，覆盖210人次，满意度4.93/5。

3.团队影响

组内3人通过我分享的Gremlin脚本，人均定位问题效率提升30%；

实习生田某已能独立承担夜间场景标注验收，转正答辩评委全票通过。

四、自我复盘

1.优势

①系统性：能把“指标-数据-模型-流程”串成闭环，而非单点打补丁；

②推动力：用“对赌+罚金”这种硬核手段，倒逼外部团队按时交付；

③文档化：所有经验都沉淀为SOP，新人3天可上手。

2.不足

①对底层算法理解仍偏应用层，遇到极端天气（冻雨+团雾）时，无法像算法科学家一样从第一性原理给出解释；

②跨部门资源协调时，偶尔陷入“技术正确但政治不正确”的僵局，需要更高阶的向上管理技巧。

3.改进计划

①Q2完成《计算机视觉进阶》MIT6.830线上课，每周三晚固定2h学习；

②报名公司“高阶影响力”训练营，重点演练“非权威影响力”案例，结业标准为在跨部门项目中获得≥80%满意度。

五、转正后90天行动表

第1周：与总监对齐“2026H2质量战略”，锁定“激光雷达噪点误报”为新课题；

第2-4周：组建虚拟突击队（算法1+硬件1+测试1+我），封闭两周，输出技术方案TR1；

第5-8周：推动样车20台在张家口冬季试验场完成-20℃场景验证，目标误报率再降30%；

第9-12周：把实践结果固化为《激光雷达噪点误报治理白皮书》，并在公司级TQMC（TotalQualityManagementCommittee）评审，争取进入集团级最佳实践库。

——