小米顶尖应届-端侧大模型算法工程师-手机
任职要求
1. 信号处理/模式识别/人工智能等相关专业毕业，熟练使用C/C++； 2. 对深度学习有深刻认识，熟悉各种神经网络及背后数学原理，熟悉各类神经网络模型的量化/压缩/性能优化方案； 3. 对大模型加速优化方案有深入了解，对投机采样，GQA，MOE，Lora量化等技术有开发与优化经验者优先； 4. 有TFlite (Micro)，NCNN，SNPE/QNN，EAI，NeuroPilot等移动端深度学习框架开发经验者优先； 5. 熟悉神经网络模型的定点优化，熟悉各类嵌入式平台芯片架构及底层指令，有ARM Neon、Hexagon DSP、Cadence Hifi3/5、RISC-V等平台的算子开发及算法调优经验者优先； 6. 有相关领域高质量会议/期刊论文，或深度参与过开源深度学习框架的开发并有相应贡献者优先。
工作职责
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。 【课题名称】 端侧大模型效能优化 【课题内容】 解决大模型落地涉及的性能功耗内存限制，实现最高效的大模型推理方案。
1. 负责各类多模态大模型的预训练，微调和部署，并应用于实际业务中； 2. 探索知识增强技术，通过个人数据提升个性化模型的语言理解和生成能力； 3. 融合多模态数据，攻关具备自主观察环境和推断用户需求的意图决策大模型； 4. 搭建基于端侧VLM的屏幕理解能力，实现具备泛场景能力的GUI Agent； 5. 探索机器学习领域的新技术，探索与其他领域的技术融合。并撰写相关论文，专利。 【课题名称】 OSAgent能力预研：记忆、决策与操控 【课题内容】 1. 记忆：端侧持续进化的数字人格； 2. 决策：精准意图预测的主动智能； 3. 操控：人车家全生态的泛在操控。
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 如果你，期望参与行业领先的3D商品建模方案，探索3D重建大模型算法，让手机拍摄稀疏图片高质量建模成为可能； 如果你，期望参与端侧实时3D真人数字人方案，探索人体重建、驱动和编辑算法，让构建数字人IP和用户数字分身轻松获取； 如果你，期望参与学术前沿的3D内容生成方案，探索基于3D模型的空间内容生成算法，让规模化生成制作3D内容触手可及； 如果你，期望参与基于苹果Vision Pro等新XR设备，发挥创意想法，探索下一个全民级的沉浸感体验应用； 如果你，期望将AI技术应用落地，转化为用户尖叫的产品体验，一起来吧； 那还犹豫什么，赶紧加入我们吧，你将与来自不同部门的优秀人才合作，不仅能够获得专业的培训和指导，还可以在工作中不断挑战自我，在职业生涯中不断成长和发展，享受工作中的乐趣和成就感。来吧，我们等你加入！ T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ꔷ 投递T-Star实习生，提前解锁淘天顶级技术岗位，实习与T-Star正式批/应届秋招投递不冲突。拿到T-Star意向书的同时，将获得直通正式批次终面的机会；参与T-Star实习且表现优秀的同学，提供T-Star转正Offer。
1.【低内存、低带宽】大模型低比特（1-3bit）量化创新算法； 2.【低内存、低带宽】端侧推理MoE或大参数量模型，解决占用大内存问题； 3.【高性能】端侧大模型高性能推理研究（比如：创新投机推理、硬件融合高性能计算、创新算法解决端侧prefill阶段的compute bound）。 【课题名称】 端侧大模型高性能推理计算 【课题内容】 研究大模型如何在端侧设备上（高通和自研F3芯片的算力、内存、带宽资源都严格约束，即使自研外挂的BW芯片也有内存强约束）进行高性能推理计算，同时保证模型算法效果满足业务需求、资源占用满足系统要求，有效解决云端大模型突出的隐私、成本问题。
将围绕多模态（文本、图像、音频、视频）理解和生成统一的基座大模型的数据、模型结构、统一建模方式、训练与推理优化、深度推理等核心问题展开研究，具体研究内容包括： 1. 多模态（文本、图像、音频、视频）数据的收集、合成及数据策略，提升质量、多样性、可扩展性； 2. 探索多模态理解与生成统一的建模方式； 3. 多模态模型的模型结构的设计与优化，高效的大规模分布式训练和推理系统（云侧和端侧）； 4. 研究多模态模型的深度推理范式。 【课题名称】 多模态生成与理解统一模型 【课题内容】 突破多模态统一建模方式的技术瓶颈，训练理解与生成统一的多模态基座大模型，实现高效训练与推理系统。