共 1796 个在招岗位 · 小米在北京的最新招聘信息
1、负责大模型在内的各类算法的移动端部署与优化； 2、负责移动端深度学习框架开发及算子优化； 3、不断挖掘移动芯片算力潜能，改良模型结构，实现业界领先的算法执行效能； 4、撰写相关论文，专利。
1、研发智能分析系统，集成大模型和RAG技术，实现问题自动分类和解决方案推荐； 2、构建测试自动化中台，开发并行测试调度、设备资源管理和结果聚合分析系统； 3、设计AI代码审查引擎，实现代码规范检查、安全漏洞检测和自动修复建议生成； 4、建立工程效能数据中台，开发数据采集、存储、分析和可视化全链路系统； 5、持续优化AI算法模型，提升各系统准确率和用户体验。
1、开展异构计算能效优化关键技术预研，重点突破跨处理单元的动态电压调节（DCVS）与调度协同理论； 2、探索新型底层调度机制，研究基于强化学习的负载跟踪算法并完成原型验证平台搭建； 3、打造 AI Harness 自动化进化底座。 建立一套高能力相机能效研发Harness系统，能够自动执行测试、捕捉 负载回退 等异常 Trace，并利用 RAG技术，自动对比代码和性能 Baseline，给出初步的 Root Cause 分析报告； 4、预研编译优化协同技术，开发面向影像系统的LTO/PGO优化原型及跨平台效能分析工具链。
1、参与拍照pipeline解析力相关算法的迭代和研发； 2、跟踪CV图像恢复领域的前沿技术，推动科研转落地； 3、构建图像恢复任务的高效训练数据生成方案，提升采集效率和数据质量； 4、赋能团队做学术论文的学习总结，提升整组的科研素质。
1、跟进视觉大模型前沿技术动态，开展行业技术调研、方向探索与算法可行性验证； 2、负责手机相机影像核心功能的方案定义、算法设计、模型研发与持续迭代优化； 3、推进前沿技术向相机端侧功能落地，支撑旗舰机型量产交付，完成技术能力商业化落地与价值转化； 4、参与研发体系、训练推理框架、数据平台及工程基建的搭建与优化，提升整体研发效率； 5、沉淀核心技术与创新成果，推动技术学术化输出，产出高价值、行业级科研成果与技术专利。
1、跟进视觉大模型前沿技术动态，开展行业技术调研、方向探索与算法可行性验证； 2、负责手机相机影像核心功能的方案定义、算法设计、模型研发与持续迭代优化； 3、推进前沿技术向相机端侧功能落地，支撑旗舰机型量产交付，完成技术能力商业化落地与价值转化； 4、参与研发体系、训练推理框架、数据平台及工程基建的搭建与优化，提升整体研发效率； 5、沉淀核心技术与创新成果，推动技术学术化输出，产出高价值、行业级科研成果与技术专利。
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。
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、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、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、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、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。
