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. 产品文档 AI 协作：使用 AI 工具（Claude Code / Codex / Gemini）协助产品经理完成竞品分析、PRD 初稿、交互规格撰写、播报文案扩写等文档工作，并对 AI 产出进行质量把关和人工修正 2. AI 工作流搭建与优化：维护和迭代团队已有的 AI 产品工作流，包括 Prompt 模板调优、Agent 知识库更新、pipeline 效果跟踪，持续提升各环节的效率和质量 3. 可复用资产沉淀：将单个项目中验证有效的方法论标准化——沉淀 Prompt 模板、SOP、评估标准、自动化脚本，推广到其他项目模块 4. 新场景探索与验证：主动发现团队中可用 AI 提效的新场景（如用户反馈自动归类、竞品监测自动化、健康数据洞察报告等） 5. 跨工具流程维护：协助维护团队的文档模板库、飞书同步流程、脚本工具等基础设施，确保产品团队的"数字基建"持续可用
1. 参与Miclaw在可穿戴产品上的开发 2. 参与Prompt优化和知识库的规范构建 3. 根据可穿戴业务流程，编排应用开发和测试的Agent工作流
你将参与什么 我们正在打造下一代 AI 智能编码平台——让 AI 像资深工程师一样理解需求、编写代码、运行测试，实现软件开发的端到端自动化。你将深度参与这个平台的核心技术研发，具体方向包括： 方向一：AI 编码 Agent 开发 1. 开发能够自主完成编码任务的 AI Agent，让它能理解需求文档、生成技术方案、编写代码并自动验证 2. 构建多个 AI Agent 之间的协作机制，让它们像团队一样分工合作，完成复杂的软件开发任务 方向二：大规模代码智能检索 1. 构建代码语义检索系统，让 AI 能在海量代码库中快速找到相关代码片段和上下文 2. 将检索能力与大模型结合，提升 AI 对复杂项目结构和跨文件依赖的理解能力 方向三：AI Agent 数据与评测优化 1. 搭建 Agent 全链路数据采集与分析体系，覆盖行为轨迹、工具调用、代码产出及用户反馈 2. 建立自动化评测流水线，围绕代码正确性、任务完成率等核心指标量化 Agent 能力 3. 通过数据分析定位能力短板，驱动 Prompt 策略、工具链路及模型选型的持续优化 方向四：AI 生成代码的质量分析与验证 1. 检测 AI 生成代码是否符合架构规范与模块边界约束，验证实现与需求的一致性 2. 通过静态分析、动态 profiling 等手段进行缺陷检测与性能分析 3. 探索形式化验证与自动化测试生成，构建生成代码的质量保障体系
1、负责调研和推广 AI 提效最佳实践，包括 Harness Engineering、Agentic Workflow、AIops 等； 2、带领团队进行技术预研和技术难点攻关，保障系统可用性、稳定性、和可扩展性； 3、与研发、产品、数据等团队深度合作，识别高价值的 AI 提效场景；
1. 负责自动驾驶端侧模型的部署和优化工作 2. 负责模型部署＆优化工具链的研发 3. 对模型部署优化技术展开研究，并落地到自动驾驶
渲染管线的性能和内存优化
深度参与操作系统内核（Linux/自研OS）或核心系统软件的研发迭代，与行业顶尖工程师共事，承担具有挑战性的核心任务，具体包括： 1、负责操作系统内核核心模块（进程调度、内存管理、文件系统、网络协议栈等）的开发、优化与问题排查； 2、系统性能调优工作，针对内核态/用户态瓶颈，设计并验证优化方案，提升系统吞吐量、降低延迟； 3、自研系统软件（如虚拟化技术、容器运行时、系统监控工具等）的需求分析、方案设计与代码实现； 4、团队完成技术文档撰写、测试用例设计及落地验证工作。
1. 负责消费/车载等领域分布式自动化调参框架开发，包括但不限于ISP/CV/AI等。 2. 自动化搜参方案设计，联合算法、调试以及软件完成端到端Autotuning方案设计和落地； 3. 参与跨领域仿真通路新方案探索，辅助正式员工完成分段式pipeline方案实现和落地，参与项目F4/F5 4. 负责Autotuning效率提升方案研究，包括但不限于多个模块白盒开发，探索大模型落地Autotuning
1、协助招聘团队进行高端人才招聘工作，包括但不限于行业研究、目标公司分析以及潜在候选人的挖掘与筛选； 2、参与招聘流程的各个环节，协助安排面试、协调面试官与候选人时间，并跟进面试反馈； 3、协助完成招聘相关的数据分析与报告工作，为招聘策略的优化提供数据支持。
1. 参与车载 AI 软件相关功能的集成测试、联调验证与问题跟踪工作； 2. 负责 A 核 Android 系统、MCU 核等多核异构环境下的软件功能测试、接口联调与稳定性验证； 3. 协助开展 AI 相关功能模块在整车或嵌入式平台上的集成测试，包括但不限于算法部署验证、功能逻辑检查、异常场景覆盖与性能测试； 4. 参与测试方案设计、测试用例编写、测试执行及缺陷定位，推动问题闭环解决； 5. 配合研发团队完成 C 语言等软件模块的集成验证，支持基础问题分析、日志抓取与结果整理； 6. 参与 Android 系统与 MCU 交互场景下的接口测试、通信测试及联动功能验证； 7. 协助搭建和维护日常测试环境，支持版本回归测试、冒烟测试和功能验收测试； 8. 负责测试过程中的数据记录、结果分析及文档输出，包括测试报告、问题单、测试总结及研发日志等。
1. 开发基于机器学习的机器人控制策略，完成机器人端到端的算法训练与部署。负责算法策略的训练与移植，实现Sim2Real在机器人实机上的落地应用； 2. 参与具身智能算法模型在技能学习、动作规划、抓取操作等应用上的研发，实现多场景多任务的泛化。设计、训练、部署模仿学习、强化学习、迁移学习、多模态学习等算法，构建机器人各类应用的通用技能； 3. 持续跟踪国内外前沿研究成果，进行相关算法复现。紧跟最新技术进展，将学术界前沿创新内容进行快速复现并创新，参与相关方向的论文与专利积累； 4. 与大模型、运控等团队合作，推动具身智能数据集、机器人平台等各项目落地实施，共同解决技术难题。
负责利用AI Agent搭建高效的工程体系能力 1. 软件编码优化、Review、测试 2. 自动化日志分析与解决建议 3. 需求分析与开发任务拆解
负责利用AI Agent搭建高效的工程体系能力 1. 软件编码优化、Review、测试 2. 自动化日志分析与解决建议 3. 需求分析与开发任务拆解
- 万卡集群调度与管理：基于 Kubernetes 建设和运营万卡级 GPU 集群，负责 GPU 适配、拓扑感知调度、Gang 调度、GPU 故障自愈、全链路可观测等核心能力，支撑小米自研大模型 MiMo 的训练和推理等重点业务场景 - GPU 池化和利用率提升：统一纳管小米 GPU 资源，推进 GPU 调度优化、资源池化、GPU 虚拟化、训推混部等关键技术研发，持续提升全集团 GPU 资源利用率，实现技术降本增效 - GPU 核心能力建设：持续探索前沿 GPU 芯片的技术特性，包括国产卡适配、混合精度、模型量化、显存优化等技术，将芯片能力转化为业务竞争力，有力支撑集团 AI 战略落地
我们在做什么？核心预训练（Core Pre-training）我们不仅是在训练模型，更是在探索智能的本质边界。我们致力于从零构建下一代通用的智能基座： 1. Backbone & Architecture - 下一代基座：Model size scaling & context length scaling - 原生多模态：设计文本、视觉、音频原生融合的统一架构，实现端到端的物理世界感知与推理。 - Co-design：坚持 Algorithm-Infra Co-design，结合底层硬件特性（Kernel/拓扑）设计架构，突破训练与推理的效率瓶颈。 2. Data - 真实数据 scaling：建设超大规模多模态数据发掘、采集、清洗与配比流水线，覆盖所有人类已有数据。 - 合成数据 scaling：攻克高质量合成数据的生成与验证难题，解决数据稀缺性，提升数据知识密度、推理密度、推理长度。 3. Optimization - 极致收敛：研发适应万卡集群、超大 Batch Size 的新型优化器。 - 训练稳定性：深入研究 Training Dynamics，解决 Loss Spike 与泛化难题，保障大规模训练的鲁棒性。
我们是小米MiMo团队的 Post-train 组，专注模型对齐、可扩展强化学习、AI Agent 等前沿方向，致力于产出世界级研究成果与模型。 我们拥有充足算力与真实应用场景，汇聚了一批对 AGI 怀有长期信念、追求技术深度的研究者与工程师。在开放、专注的氛围中，我们鼓励从第一性原理出发，共同探索通往更高级人工智能的路径。 主要研究方向 1. AI 智能体 (AI Agent) - Agent 基础能力：研发大规模、高质量的 Agent 数据合成管线，提升模型在 Code、Search 及 General Tool Use 使用等场景下的能力。 - 高级 Agent 系统：探索多智能体协作、长时记忆系统及交互环境的构建，提升模型解决复杂任务能力。 2. 大语言模型推理 (LLM Reasoning) - 强化学习与推理：探索高效、稳定的强化学习算法。 - 推理能力提升：增强模型在数学、代码与逻辑等复杂任务中的推理能力，提升模型的智能上限。 3. 可扩展对齐 (Scalable Alignment) - 模型对齐与 RLHF：持续提升模型的指令遵循度、有用性与诚实性。 - AI 安全与价值观：为大模型构建可靠、可信的行为准则，提升 AI 安全性。
我们在做什么？我们在通过探索 scaling 语音预训练和后训练，来让模型涌现出真正的语音超级智能。 1. Data - 海量语音数据处理：建设超大规模真实语音数据发掘、采集、预处理与清洗的流水线 - 高质量语音数据处理：搭建在海量真实语音中对高质量数据进行定义、召回、标注的流水线 2. Backbone & Infra - 语音原生架构：探索随着语音数据 scaling 收益上限最高的建模架构，不限于离散或者连续建模 - 高效训推框架：适配最契合语音模型架构的训练和推理框架，兼顾性能和效率 3. Pretrain & Post-train - 定义语音生成式预训练：围绕可泛化的语音预训练模型展开前沿探索性研究，坚定 scaling 路线 - 强化学习后训练：为语音预训练模型的强大能力提供语音对话的交互方式，激发预训练潜力 4. Evaluation & Product - 全面评估框架：定义和构建从预训练到后训练的评估方式 - 创新产品：搭建最适配模型能力的创新型产品
我们在做什么？ 基础研究 我们致力于探索和构建多模态智能的核心模块，包括但不限于： - 全能模型 (Omni Model) — 具备全面感知与深度理解能力的多模态模型 - 统一模型 (Unified Model) — 结构优雅、可优雅扩展的通用架构 - 世界模型 (World Model) — 能够模拟和推理真实世界的智能系统 数据与训练基建（Infrastructure for Data & Training） 我们与 Infra 团队 紧密协作，共同构建： - 多样化、高复杂度的多模态强化学习环境 - 稳定高效的大规模训练框架 - 可扩展、高质量的数据采集流水线
1、体系建设：搭建并优化公司合规体系，重点推进数据隐私合规、出口管制及反垄断领域的制度建设与落地执行。 2、风险把控：对重大决策及核心业务进行合规评估，重点审查涉及用户数据跨境、海外贸易管制、商业架构反垄断等高风险领域的合规性。 3、监管应对：维护与监管机构的沟通，处理数据安全审查、出口管制调查、反垄断申报及突发事件。 4、培训宣导：组织专项合规培训（如GDPR/个保法、出口管制黑名单筛查、反垄断合规红线），提升业务部门的风险识别能力。 5、团队管理：领导团队协同业务部门，将合规要求嵌入产品设计、贸易流程及市场策略中。
职责 产品定义： 参与AI硬件产品的功能规划、交互设计、场景定义，协助撰写PRD和功能Brief 场景挖掘： 策划产品场景内容，从用户评论、私信、行业趋势中挖掘真实使用场景，输出场景分析报告 故事叙述： 把产品理念和技术能力翻译成普通人能理解的故事，撰写产品文案和内容脚本；讲好品牌故事 品牌研究： 调研国内外AI硬件/科技消费品动态，每周输出观点素材卡内容 竞品拆解： 跟踪对标产品，分析其产品策略的优劣 用户研究： 整理社媒账号评论区、私信、社群反馈，提炼用户画像和挖掘真实需求