共 3514 个在招岗位 · 实时同步小米官方招聘数据
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。
1、多模态数据建模与表征学习：构建涵盖用户生理信号（如心率、呼吸）、运动数据（如步频、速度）与生活作息的多模态数据体系，开展数据清洗、对齐与标准化处理，设计面向时序与多模态融合的表征学习方法，支撑大模型训练与跨模态理解能力提升； 2、领域大模型设计与训练：基于运动健康领域知识，设计融合时序建模与语义理解能力的预训练大模型，探索多模态融合与个体长期建模方法，支持健康状态刻画、行为理解与意图识别，并参与模型架构与训练策略优化； 3、健康状态分析与趋势预测：构建面向个体的健康评估与发展趋势预测模型，实现对当前生理状态的精准分析及中短期风险预警，推动从指标计算向健康理解与推理的建模范式升级； 4、Agent系统设计与实现：基于大模型构建运动健康智能体，设计具备规划（Planning）、记忆（Memory）与工具调用（Tool Use）能力的决策机制，支持多轮交互与动态决策，实现从被动分析向主动健康管理的能力演进； 5、个性化干预与建议生成：结合大模型推理能力与领域知识库，构建多维度个性化运动健康建议生成机制，覆盖运动计划、恢复策略与生活方式调优，提升建议的科学性与可执行性； 6、系统集成与端云协同优化：完成运动健康AI助手系统集成，设计端侧与云侧协同推理方案，优化模型在可穿戴设备上的部署效率与性能表现，并通过真实用户数据进行效果验证与持续迭代。
1、核心材料研发：主导新一代亲肤、轻量化高分子材料的分子结构设计、合成与改性研究。重点开发具有优异生物相容性、低致敏性、高透气透湿性的亲肤材料，以及兼顾高强度、高模量与低密度的轻量化结构材料； 2、工艺开发与优化：负责从实验室小试到中试放大的全流程工艺开发，包括材料成型、表面处理、复合等关键工艺。解决生产过程中的技术难题，优化工艺参数，确保产品性能稳定与成本可控； 3、性能表征与评估：建立并完善材料性能评价体系，运用DSC、TGA、FTIR、NMR、GPC、力学性能测试、细胞毒性测试、皮肤刺激性测试等手段，对材料的理化性能、生物安全性及长期服役可靠性进行全面表征； 4、跨部门协作与技术支持：与产品设计、临床应用、质量控制等部门紧密合作，为新产品开发提供材料选型、失效分析及解决方案等技术支持。参与制定材料相关的技术标准与规范； 5、前沿技术追踪与知识产权布局：持续跟踪国内外高分子材料、生物医用材料及可穿戴设备领域的技术发展趋势，进行前瞻性技术储备。负责相关技术专利的挖掘、撰写与申报。
1、承担感知系统/驱动系统/制动系统/转向系统/悬架系统多个系统功能的融合协调开发工作。基于功能需求来编写模型或者代码，按计划提交模型代码，DD文件以及系统开发设计说明书； 2、熟练使用动力学模型和轮胎模型，评估计算各种车辆姿态，结合车辆当前的状态进行整车各个轮胎上的扭矩最优化分配计算，对于比较复杂的控制需要开发新的算法； 3、使用SIL仿真，HIL台架仿真或者实车测试验证，对开发的功能模型进行数据预设和标定优化，保证相关开发目标或者指标能够实现； 4、编写算法说明书，系统软件设计说明以及标定指导书，同时与标定工程师合作持续进行软件的迭代优化升级。
1、应用包括大模型、Agent、多模态等在内的 AI 技术，推进汽车大数据的智能化应用落地； 2、与业务一起探索和发现 AI 技术的在汽车领域的前沿应用落地场景，针对性进行数据建设、模型训练、模型评估等，优化模型效果，实现效能提升； 3、探索AI技术在车端轻量化部署，优化推理速度。
1.汽车领域知识体系调研与本体设计 2.多智能体协同推理框架设计与开发 3.领域知识图谱构建与RAG系统实现 4.系统工程化部署与业务场景验证 5.学术成果输出：系统性总结研究成果，撰写并投稿高水平学术论文2-3篇；整理技术方案与实践经验，申请相关发明专利1-2项；形成可复用的方法论文档与工具链。
1、开发基于机器学习的人形机器人全身控制策略，并应用于机器人loco-manipulation任务； 2、负责算法策略的训练与移植部署，实现算法sim2real在机器人实机上落地应用； 3、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。
1、负责机器人整机构型及传动系统的分析、设计、传动效率、评价指标等，基于运控效果和运动学仿真，进行构型寻优； 2、负责整机传动系统设计、系统实验验证等前期预研打样验证；和设计团队成员沟通协调设计方案； 3、参与整机系统的需求拆解、传动分析、方案选型、开发验证、技术改进等全流程跟进，针对开发过程中出现的难点问题进行改进； 4、负责传动系统设计计算书、功能测试大纲、性能验证方案等相关设计、验证文件的编写；参与评价体系、方法论流程的建立编写工作。
1、负责机器人物理角色动画数据生成； 2、负责算法移植到机器人上并完成相应的功能实机验证； 3、持续跟踪国内外计算机图形学前沿研究成果，并进行相关算法复现。
1、负责世界模型的架构设计，技术方案选择与实现落地； 2、针对业务痛点，输出可行方案，完成产品转化和业务落地； 3、调研追踪相关前沿技术，并深入探索，沉淀形成专利/论文/文档等。
1、研发面向园区代客泊车场景的一段式端到端规划算法，实现感知-预测-规划的统一建模； 2、研究基于AR&diffusion等深度学习方法的轨迹生成与决策算法； 3、结合数值优化、模型预测控制（MPC）等方法，提升规划轨迹的安全性与平顺性； 4、跟进端到端自动驾驶领域前沿进展，推动算法持续迭代优化。
1、设计并实现下一代具身端到端驾驶模型； 2、开发基于可微优化或强化学习（RL）的神经规划器； 3、应对大规模分布式训练的算力效率瓶颈； 4、参数数据闭环并对最终的量产指标负责。
1、调研前沿多模态大模型预训练，世界模型，自动驾驶端到端算法，总结提炼对量产的潜在收益； 2、参与研发量产预训练的落地方案，提升车端体验； 3、创新攻坚行业难题，构建领先的自动驾驶大模型预训练技术。
1、负责自动驾驶场景下，视觉语言大模型在空间几何深度预测任务中的算法研发与优化； 2、构建多模态深度预测数据集，整合图像、文本描述与深度标注信息； 3、设计无偏区域-语言对齐框架，优化深度预测中的语义一致性，探索视觉-语言交互机制在深度预测中的应用； 4、负责模型工程化落地，包括模型压缩、量化、蒸馏及部署优化，使用大模型训推库提升训练与部署效率。
1、负责云端数据基座大模型架构设计、实现与落地； 2、负责云端数据基座大模型训练方案的设计、实现与落地； 3、针对自动驾驶的技术与场景痛点，提出有效可行的解决方案，与车端同学配合解决问题并形成车云闭环； 4、负责相关学术文档，方法论的研究和调研，沉淀形成专利/文档/论文等。
1、主导自动驾驶算法的有损优化研发，核心负责低精度训练、网络结构优化、MTP投机采样等技术的设计、实现与迭代，在可控精度损失范围内，降低模型算力消耗、存储占用，提升推理与训练效率，适配车规级部署需求； 2、深入分析自动驾驶算法的性能瓶颈，结合车规级硬件特性，设计针对性的有损优化方案，协同量化、MTP等技术，实现模型性能与硬件算力的最优匹配； 3、跟踪行业前沿优化技术，开展技术预研与落地验证，输出技术调研报告与优化方案，推动团队技术能力迭代；结合自动驾驶场景特点，优化方案适配复杂真实路况； 4、搭建优化效果评估体系，量化分析模型优化后的精度、速度、算力消耗等指标，建立精度损失阈值标准，推动优化方案的测试、迭代与上车落地，协同测试、工程、硬件团队完成闭环验证； 5、跨团队协作，对接感知、规控、硬件部署等团队，推动优化方案的协同落地。
1、负责自动驾驶系统的核心算法的极致性能优化； 2、负责AI模型在车载平台上加速和调优； 3、负责自动驾驶生成式部署系统的设计、开发与性能优化工作。
1、研发基于 3DGS/NeRF/Diffusion 的传感器仿真技术； 2、研发自动驾驶中的场景重建/场景生成/场景编辑功能； 3、研究和实现基于多种技术路线的高真实性交通流仿真模型开发； 4、解决过程中遇到的算法输出质量、性能问题； 5、研究和实现端到端的闭环仿真系统开发。
1、研发具备高确定性和高复现性的仿真引擎； 2、持续提升仿真引擎运行效率，实现加速仿真。
1、负责基于现有大模型训练框架分析自动驾驶与机器人模型训练链路，包括数据加载、分布式并行、显存占用、通信开销和算子执行等环节，定位性能瓶颈； 2、围绕训练吞吐、GPU 利用率和模型迭代效率开展优化，推动训练周期缩短和训练资源成本下降； 3、结合 PyTorch、Megatron-LM、DeepSpeed 等技术栈，开展分布式训练策略、混合精度、算子融合、通信优化和 CUDA 高性能算子优化； 4、推进训练框架与 AI 平台、调度系统和监控体系协同，建立训练效率、集群算力利用率和任务稳定性的评估机制； 5、探索 AI Agent 在自动化 profiling、瓶颈定位和代码优化建议中的应用，沉淀可复用的训练优化工具链。
1、面向整车多业务域需求，依托云端车辆大数据完成整车关键零部件诊断、健康问题定义、数据分析、方案设计与落地交付； 2、结合大模型（含多模态/Agent 等）推动关键场景从 0 到 1：数据建设、训练/微调、评测与迭代闭环； 3、建设大模型工程化与体系化能力：训练与推理链路、评测体系、版本管理与稳定性保障，沉淀可复用组件与最佳实践； 4、推进车端/边缘侧轻量化部署与推理优化（压缩/加速/量化等），满足实时性、资源约束与可靠性要求； 5、参与跨团队协作与技术沉淀：推动里程碑交付，参与技术方案评审，输出内部分享、专利与技术文档。
