共 1796 个在招岗位 · 小米在北京的最新招聘信息
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。
- 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
工作内容 - 应用包括大模型、Agent、多模态等在内的 AI 技术，推进企业运营的数据化和智能化； - 开发及优化智能营销、智能客服等在销售、交付、服务等过程中的智能应用； - 与业务一起探索和发现 AI 技术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。
1. 基于llvm/clang框架进行自研NPU芯片的编译器开发与性能优化； 2. 针对自研NPU芯片和主流AI算法设计并行编程语言； 3. 协同芯片团队进行性能算子开发； 4. 基于主流编译栈进行python dsl编程语言设计与编译器开发；
1、分析AI应用计算瓶颈、带宽瓶颈、功耗热点等问题 2、基于真实或合成AI工作负载，评估并优化NPU架构瓶颈 3、负责对自研NPU进行架构建模工作，与硬件、软件、算法等多团队协同推进项目落地 4、跟踪新兴算法（如Transformer、图神经网络等）的发展趋势，评估其在当前架构下的执行效率
1. 引擎调优：负责 Android/iOS、与云端 Mimo 或本地 ExecuTorch/ncnn 的底层接入与硬件加速（NPU/GPU/Metal）。 2. 效率突破：实现 Speculative Decoding (投机采样) 或 Prompt Caching，在手机端将 TTFT（首包延迟）降至极致。 3. 性能监控：建立全链路监控指标体系，关注 Tokens/sec、ITL (Token 间延迟) 以及 Agent 后台运行时的功耗曲线。 4. 资源调度：解决多 Agent 并发请求时的资源竞争问题，防止手机卡顿或发热降频。
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”。
核心能力 - 熟练使用 AI 编程助手（Claude Code、GitHub Copilot、Cursor 等）进行日常开发 - 具备良好的问题分解能力，能将复杂需求转化为清晰的 AI 提示 - 掌握至少一门主流编程语言，理解代码架构和设计模式 - 能够快速阅读、理解和审查 AI 生成的代码，识别潜在问题
1. 架构设计：设计 MiClaw 在移动端的自主 Agent 编排框架，实现复杂任务的自动化拆解与执行（Planning & Reasoning）。 2. 编排优化：研发基于 ReAct、Plan-and-Execute 或 Multi-Agent 的协同模式，确保 Agent 在手机端不陷入逻辑死循环（Loop Detection）。 3. 工具调用 (Tool-use)：定义端侧工具调用规范，利用 MCP/A2A/appfunctions 等协议打通手机系统能力（日历、相册、快捷指令等）。 4. 请求路由：设计端云协同的动态路由机制，根据任务意图决定在本地推理还是请求云端模型。
1.负责海外新车发布会的策划与落地，根据公司品牌战略及目标市场文化特点制定活动及场地策略，全流程管理场地勘测与搭建、设备调试、流程彩排、嘉宾接待及现场执行工作； 2.统筹国际A级车展的参展规划与展台运营，主导设计方案评审与搭建监督，管理海外供应商团队，确保展台形象符合品牌调性，并统筹展台运营、产品讲解、媒体沟通及商务洽谈等现场工作； 3.策划并执行海外试驾及用户深度体验活动，设计专业且富有品牌特色的试驾路线，全流程管理海外车辆调度、教练团队管理、食宿安排及应急保障，提升海外媒体与经销商的产品认知； 4.负责全球供应商资源的开发与管理，建立并维护海外优质供应商库，完善供应商评估与管理体系，并统筹海外项目的预算编制、成本谈判及费用核销工作。
1. 负责Camera HAL3架构设计及开发； 2. 实现Device/Session管理， Request/Result管理； 3. 客制化的Pipeline控制的软件架构开发； 4. 负责图像处理算法的集成及性能优化； 5. 负责各camera场景下的性能/功耗等系统优化，稳定性/CTS问题分析处理； 6. Andorid系统升级的适配；
1. Responsible for Europe&CIS countries global payroll daily operations, ensure high accuracy and timely delivery. 2. Conduct payroll operation but no limited to monthly payroll report check, monthly payroll movements data collection and check, handle monthly payroll related payments. 3. Collaborate closely with payroll vendors to ensure high quality service delivery. 4. Collaborate closely with Finance and Treasury team to ensure smooth operation in accrual, vendor payment, etc. 5. Support payroll projects. 6. Manage Europe and CIS payroll team.
1.理解公司与部门的业务模式及业务规划并结合不同类型高端人才特点和市场分布合理规划人才储备与招聘； 2.负责招聘全流程的把控与提效包括但不限于：梳理招聘需求，明确人才画像，利用不同渠道访寻人选，人选的筛选与面试，专业的人选评价与定薪定级，offer谈判与背调入职跟进等； 3.主动思考并基于业务和工作发展合理完善招聘流程与规范，通过设计流程机制优化各环节效率，持续优化和沉淀高阶招聘流程，甄选方法论等工作； 4.根据工作目标的需要，协调各方面资源，调动各方面的积极性，以解决目标实现过程中的各种问题。
1、负责手机、车机类芯片解决方案AI计算方向的系统测试工作，保证产品测试交付质量 2、负责此领域的测试方案、用例输出，测试执行 3、参与对应领域必要的技术、项目攻关
我们正在寻找专注于提升大模型在科学推理领域能力的研究员，重点优化模型在人文社会科学、文学、心理学、哲学、数学、物理、生物/医学、化学、计算机科学/人工智能、工程等领域的理解与推理能力，推动大模型在复杂科学问题上的表现，使其能够解决类似人类高水平考试中的问题。 岗位职责： 优化模型推理能力：研究并优化大模型在数学、物理、生物/医学、计算机科学、工程、人文社科、心理学、哲学、农学等领域的推理能力。 开发科学基准测试：构建科学推理任务与评测方法，衡量模型在复杂学术问题上的表现。 训练数据集构建：收集和整理高质量的科学数据，以支持模型强化学习训练。 多模态推理：结合文本、公式、图像、实验数据等多种数据类型，探索提升大模型科学推理能力的方案。
1. 模型训练基础设施开发 - 设计和实现支持大规模分布式训练的计算平台，优化模型训练效率和资源利用率。 - 维护和扩展现有的分布式训练框架，确保平台的高性能和稳定性（如基于 PyTorch、TensorFlow 或 JAX）。 - 集成和优化高性能计算技术（如 CUDA、MPI、NCCL 等）。 2. 模型推理基础设施开发 - 构建高效的推理框架，支持大模型的在线和离线推理需求。 - 优化推理速度、内存占用和能耗，支持多种硬件架构（GPU、NPU等 ）。 - 实现PD分离、Context Caching、模型量化、推敲编码等推理优化技术。 3. 性能监控与优化 - 开发工具链和监控系统，跟踪训练与推理过程的性能瓶颈。 - 分析并优化数据加载、通信效率和硬件利用率等关键环节。 4. 跨团队协作 - 与模型研究团队密切合作，理解模型需求，定制训练和推理策略。 - 支持产品团队的模型部署需求，推动大模型在实际场景中的落地应用。
1. 创新深度神经网络设计： - 开发新颖、开拓性的深度神经网络架构，推动深度学习领域的基础研究。 - 针对多模态（文本、图像、语音等）设计优化模型，提高模型的泛化能力和应用性能。 2. 科学评测体系构建： - 构建科学严谨的算法评测方法，系统评估模型的性能。 - 探索模型能力的潜在机制，推动模型优化和创新。。 3. 高质量数据合成与处理： - 通过数据生成、扩充和重写等方法，创建大规模、高质量的训练数据集。 - 结合指令调优、偏好对齐等技术提升数据质量与模型表现。 4. 强化学习优化： - 研究并实施基于RLHF/RLAIF的偏好对齐技术，提升模型在多领域的应用能力。 - 探索和优化主动学习、课程学习等有效的大模型训练方法。
岗位职责： 1.依据产品需求与技术方案，完成软件工具的具体开发、编程、调试与集成测试 2.制定测试计划，执行功能、性能及稳定性测试，确保工具达到质量要求，并支持产品上线部署 3.负责工具的现场部署、维护、故障排查及一线使用培训，收集反馈并及时响应优化 4.持续跟进工具使用情况，进行性能提升、体验优化与成本改进的专项开发
岗位职责 1. 主导ISP领域噪声清晰度方向的算法架构设计、算法研发与优化，攻克核心技术难题； 2. 结合产品需求，完成算法的开发，验证，集成与优化，解决产品化过程中的技术问题，确保算法满足上限标准； 3. 跟踪行业技术趋势，推动算法创新，结合产品对算法进行优化，使相关产品效果达到业界领先水平。
