招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
1、研究多个AI存储技术方向，行业进展状态，落地计划； 2、评估和端侧AI更契合的存储技术，并根据可行性评估进行合作预研。
1、架构设计：定义分层架构（能力层 / 编排层 / 运行时层 / 适配层 / 可观测层），输出参考实现与技术白皮书； 2、Agent 编排：实现高效的 DAG / Graph 调度、工具调用、Multi-Agent 协同，支持成本与延迟感知的调度策略； 3、推理 Cache 优化：对接 vLLM / SGLang 等推理后端，针对 Agent 工作负载设计 Prefix Cache 复用、批调度； 4、长时序执行：构建跨会话、分层式 Memory，以及面向长链路的检查点、重放、追踪与可观测组件； 5、Prompt 工程化：沉淀 Prompt 版本管理、自动评测、回归测试工具链，推动 Prompt 自我演进。
1、智能路由机制 (Dynamic Routing)：研发基于语义复杂度和隐私等级的路由算法。Agent 能自动判断：简单指令（如“定闹钟”）本地解决，复杂推理（如“分析财报并写总结”）分发至云端； 2、端云状态同步 (State Sync)：确保 Agent 的“记忆”和“任务执行进度”在端云之间无缝切换。即使任务中途从本地转到云端，上下文也不丢失； 3、隐私屏障 (Privacy-Preserving AI)：在请求发送至云端前，实现本地脱敏（PII Filtering），确保用户的敏感私密信息留在手机端； 4、弹性负载优化：监控网络环境（5G/Wi-Fi/弱网），在网络差时自动降级为全本地运行，保证 Miclaw 的“可用性”。
1、负责Xiaomi HyperOS 特效，动效算法开发，支撑产品/设计实现开发需求，提升用户体验； 2、负责优化特效/动效性能功耗，在交付过程中支撑高质量交付，攻关疑难问题； 3、负责图形新技术的洞察探索，制定图形算法在移动端落地的长期演进路线（N+1、N+2），并进行技术验证。
1. 协助深入了解智能工厂制造业务，参与将业务问题转化为分析问题的工作，融入团队将分析成果转化为数据应用，助力 AI 技术在智能工厂各落地场景的融合应用。 2. 负责算法的开发与优化，结合实际业务需求，设计并实现算法模型，提升模型性能、准确性和稳定性。 3. 承担模型训练数据的预处理工作，包括数据清洗、归一化、缺失值处理等，确保数据质量，为模型训练提供可靠基础。 4. 运用前沿数据分析技术，挖掘智能工厂业务数据中的潜在规律，为业务人员提供决策支持，推动业务改进。 5.利用前沿数据分析技术帮助业务人员发掘业务改进方向,给出决策建议。
1、A2UI 生成式 UI 框架开发，参与 Hyper A2UI DSL 协议设计与实现，实现 LLM 输出的 JSON DSL 到原生 UI 的流式渲染； 2、Intent Router 与 Surface Ranker：参与端侧意图分类模型（<50M 参数）的部署与优化，实现多 Agent 协作编排、Surface 显示优先级仲裁算法； 3、Agent Presence 系统：开发 Agent 图标状态协议、Agent 小部件自适应框架、Agent 署名通知系统。
1、即时编译（JIT）与静态编译（AOT）的优化算法方向：实现更高效的兼顾编译时间和代码质量的高性能优化编译算法；基于LLVM和OpenJDK等业界开源高效的编译框架，优化澎湃OS上语言运行时的编译器算法设计和性能；结合AI技术突破传统编译算法和策略的限制，开发更高性能的JIT和AOT编译策略和算法； 2、高性能垃圾回收（GC）算法方向：结合人车家全场景业务，设计和优化更低功耗、低延迟的AI相结合的GC算法，优化澎湃OS上的语言运行时的执行性能、降低功耗开销和优化多语言的内存管理效能。
围绕小米手机智能体安全体系开展攻防研究与落地： 1、红队攻防：分析并构建针对手机智能体的攻击模式库（提示词注入、记忆投毒、工具调用滥用、社会工程诱导等），开发自动化攻击生成与红队测试工具，研发安全护栏Agent并集成到产品中 2、动态授权：基于因果学习与强化学习，构建面向任务多步规划的动态授权Agent，实现对复杂动作序列的风险识别与差异化权限管控 3、隐私审计：研发基于任务拆解的数据最小暴露推理机制，在推理路径上限制模型接触敏感数据的范围 4、智能体测试：开发面向智能体的自动化测试方法，覆盖多智能体系统的行为验证、失效归因与安全测试 5、学术研究与论文产出：将工程实践中的创新方法提炼为学术成果，投稿CCF-A类会议和期刊
1、 搭建适用于材料研发的多智能体框架，包括但不限于规划、工具调用，协作方式等，进行前沿学术研究，并探索材料科学领域可能的应用方向。 2、结合材料科学的研究方法，例如传统模拟仿真（DFT，MD，FEM等）、表征结果分析、以及实体实验室等，使用Agent驱动前述工具，发表有影响的研究工作。 3、 结合小米实际业务场景，面向产品优化Agentic AI驱动的材料研发技术，并进行实际应用落地。
1、聚焦AI+科技家电方向：负责空调、冰箱、洗衣机或生态链产品的AI算法设计，通过智能化实现产品在节能、保鲜、洗烘、质量等方面的效果提升； 2、负责AI节能、智能诊断、个性化等算法问题的建模、设计与优化，前沿技术预研与应用； 3、负责上述相关算法的端侧部署、测试，支持量产交付。
1、探索大模型背景下新型语音理解和生成技术，并将研究成果整理成有价值的论文和开源项目； 2、探索深度学习通用技术，包括但不限于优化器、神经网络结构、新型损失函数等，并应用到具体的深度学习任务中； 3、负责研发和维护新一代Kaldi开源生态； 4、与小米语音团队合作，结合新一代Kaldi，为小米全平台设备（包括但不限于汽车、手机、智能音箱、智能穿戴等AIoT设备）打造智能语音算法。
1、参与大模型在垂域的应用及垂域龙虾落地，包括垂域Agentic大模型的迭代优化，例如垂域知识注入，强化微调，多模态对齐，垂域harness优化，模型自进化等相关技术的模型优化； 2、结合工业，汽车质量等专业场景，提升汽车Agentic大模型在垂域场景的推理准确率，降低幻觉，具备专家级的诊断及推理能力； 3、 跟踪前沿大模型技术进展，在相关业务场景上应用落地，以及持续迭代优化，同时输出高质量技术文章。
1、CL分析：构建专用大模型进行CL分析，测试用例生成，提升测试覆盖的精准度； 2、AIGC造数：构建专用大模型进行测试用例生成、测试数据生成的研究； 3、大模型评测：构建专用评测大模型，辅助自研算法的效果评测； 4、探索机器学习领域的新技术，探索与测试领域的技术融合，并撰写相关论文，专利。
1、实时跟进802.11协议发展动态，参与行业技术标准制定，提升小米在学术界和产业界的影响力； 2、实时跟进无线领域前沿技术，识别技术趋势及关键技术，输出技术研究报告，并进行专利布局； 3、负责无线通信系统信号处理算法的研究，包括信道估计、均衡、同步等关键技术； 4、负责抗干扰编码方案研发与设计（如LDPC、Polar、CRC等），优化无线传输中的信号失真和干扰问题； 5、与芯片硬件研发团队紧密合作，推动研究成果落地。
1、负责探索以及分析linux内核业界高价值技术，并进行专项预研； 2、参与当前内核业务的底层性能瓶颈分析，并进行针对性方案设计； 3、负责内核内存管理，进程调度， 文件系统等核心模块的Feature 开发，性能优化，技术方案review。
1.技术专项全流程管理：负责技术专项从预研到落地的全流程跟进，优化执行流程，提升产品、研发、测试等跨部门协作效率。 2.研发进度跟踪与风险把控：跟进研发进度与里程碑交付，实时同步进展，识别风险并推动解决，保障项目按期落地。 3. 跨团队沟通与协同推进：统筹跨团队沟通对齐，明确需求优先级，同步技术进度与测试结果，组织项目会议并沉淀经验。 4. 数据监控与效果分析：跟踪项目核心数据，分析交付效率与质量，输出结论并推动持续优化。 5.流程建设与经验沉淀：协助主管做好任务跟进与人员统筹，输出项目进度与风险复盘报告，保障团队信息高效同步。搭建运营管理体系，推动流程标准化、工具化，形成可复用的方法论，提升整体业务运转效率
1、技术洞察：从行业论文、会议、开源社区洞察行业先进技术方向和方案； 2、技术预研：预研相关技术方案，评估技术可行性、并实现落地Demo； 3、技术落地：实现方案的工程化落地，代码健壮性/性能/扩展性达到商业化程度。
1、技术洞察：从行业论文、会议、开源社区洞察行业先进技术方向和方案； 2、技术预研：预研相关技术方案，评估技术可行性、并实现落地Demo； 3、技术落地：实现方案的工程化落地，代码健壮性/性能/扩展性达到商业化程度。
1、负责e2e模型的架构设计，算法的实现与落地 2、负责相关学术文档，方法论的研究和调研，形成技术文档/论文 3、针对自动驾驶痛点场景，提出可行的解决方案，与量产同学配合完成预研的量产转化 4、在数据驱动方面，帮助数据团队建立符合e2e需要的优质数据标准
1、负责空间音频拾取、分离、感知、编解码的系统方案； 2、设计、开发融合音频、视频的物理世界感知的系统方案及神经网络模型； 3、设计、开发与声场物理参数相关联的神经网络，实现声场的仿真与反演； 4、推进技术方案在终端产品上的技术验证，支撑各业务场景的实际需求； 5、实现AI模型在终端产品硬件设备（如扬声器、麦克风）中的落地应用。