小米顶尖应届-生成式搜推大模型算法工程师-小爱
任职要求
1. 计算机、人工智能、机器学习、电子信息、自动化、应用数学等相关方向硕士、博士学历，在NLP、CV、大模型方向有很好的理解； 2. 熟练掌握PyTorch、TensorFlow等至少一种常用…
工作职责
1. 设计构建针推荐问题的大模型生成式架构，评价方法、数据集和指标； 2. 使用预训练，监督微调和强化学习等方法，提升模型在评测数据和线上指标的效果； 3. 使用多模态编码，prompt压缩等方法提升大模型预测的性能指标，降低成本。 【课题名称】 生成式大模型在推荐领域的应用研究 【课题内容】 该课题旨在实现一个以大模型为基础，基于对用户所处环境，设备信息和行为历史的理解，为用户推荐音乐、视频等内容以及个性化的IoT操作建议等。区别于传统的推荐算法使用级联式设计，该课题希望通过大模型实现生成式、端到端的推荐系统，使用包括预训练，监督微调和强化学习的方法，提升预测准确率，并降低预测成本。
1. 设计适用于自动驾驶任务的Diffusion-based行为生成模型，涵盖轨迹预测、控制输出、长时规规划； 2. 研究基于图像和高维环境语义输入的扩散过程，支持条件生成与多模态控制分布建模； 3. 推动该方向模型从仿真到实车的部署，包括实时性优化、鲁棒性评估与反馈机制构建。 【课题名称】 Diffusion-based Nueral Planner 【课题内容】 探索扩散生成模型在端到端自动驾驶规划中的泛化能力和多模态决策潜力。以感知输入（图像、BEV等）直接生成控制信号（steering, acceleration），或隐式轨迹规划中间表示，构建具备不确定性建模、多样性采样和高分辨率行为预测能力的决策系统。参考如DiffPlan、MotionDiffuser、Wayformer+Diffusion等工作，推动视觉到控制的生成式范式演进。
1. 设计适用于自动驾驶任务的Diffusion-based行为生成模型，涵盖轨迹预测、控制输出、长时规规划； 2. 研究基于图像和高维环境语义输入的扩散过程，支持条件生成与多模态控制分布建模； 3. 推动该方向模型从仿真到实车的部署，包括实时性优化、鲁棒性评估与反馈机制构建。 【课题名称】 Diffusion-based Nueral Planner 【课题内容】 探索扩散生成模型在端到端自动驾驶规划中的泛化能力和多模态决策潜力。以感知输入（图像、BEV等）直接生成控制信号（steering, acceleration），或隐式轨迹规划中间表示，构建具备不确定性建模、多样性采样和高分辨率行为预测能力的决策系统。参考如DiffPlan、MotionDiffuser、Wayformer+Diffusion等工作，推动视觉到控制的生成式范式演进。
1. 研发高效的长序列建模算法，优化Transformer等模型以支持超过1000个行为节点，显著降低计算复杂度与推理延迟。 2. 研究生成式推荐在广告精准打分（如CTR/CVR预估）中的应用，平衡生成质量与计算效率，适配转化率预估场景。 3. 主导算法从原型开发、离线实验到在线A/B测试及全量上线的全流程，确保业务收益提升，如收入增长与竞价能力增强。 【课题名称】 面向“隐私保护时代”的下一代广告推荐算法设计与实现 【课题内容】 1. 研究如何在“隐私安全”的条件下，在无法获取个体级行为数据（如用户ID、跨App行为）的情况下，准确预估广告的点击率、转化率等。 2.设计高效的超长序列建模方案，在可控的计算开销下，充分挖掘长序列数据中的用户兴趣价值 3. 用户生命周期价值建模面临数据稀疏、数据延迟、分布多样性等问题，研究并实现适合业务场景的用户生命周期建模方案。
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、构建支持传感器仿真的端到端仿真器，并部署至量产中； 4. 解决过程中遇到的算法输出质量、性能问题； 5. 跟进生成式算法的行业动向。 【课题名称】 高保真闭环仿真能力构建 【课题内容】 建立高保真闭环仿真能力，支持智驾算法的训练和测试验证。