logo of mi

小米顶尖应届-LLVM编译器优化研究工程师-手机

校招全职地点:北京状态:招聘

任职要求


1. 具有计算机软件、计算机系统结构、计算机科学等领域硕士或以上学历; 
2. 精通C/C++语言,精通操作系统原理、编译原理、计算机体系结构,并熟悉这些技术的工业界和学术界最新进展;
2. 熟悉ARM/x86/RiscV中至少一种体系结构;
3. 博士/硕士研究方向是编译器和虚拟机相关方向;
4. 所从事过的除了纵向课题(学术研究),也能有横向课题(科研技术成果落地)的经验,具备一定的工程化开发能力。

工作职责


1. AI驱动的编译优化研究
a. 机器学习辅助优化:利用强化学习(RL)或深度学习(DL)优化编译策略(如循环展开、内联决策、指令调度),替代传统算法;
b. 自动调优框架:开发AI模型自动生成和选择优化参数(如-O3中的具体优化选项组合),提升跨平台性能;
c. 代码生成预测:通过AI预测热点代码并针对性优化,例如减少分支预测错误或缓存未命中;

2. 跨语言优化研究
a. 多语言互操作:优化Rust/C++/C等语言混合项目的ABI兼容性;
b. 多种后端改进:例如提升WASM代码的启动速度和体积压缩;

3. 特定芯片能源效率优化研究
a. 功耗感知优化:根据硬件功耗模型调整指令调度(如优先使用低功耗ALU);
b. 特定芯片优化:针对ARM架构的自动向量化(如NEON/SVE指令生成);

【课题名称】
LLVM编译器优化研究
【课题内容】
1. AI驱动的编译优化研究;
2. 跨语言优化研究;
3. 特定芯片能源效率优化研究。
包括英文材料
学历+
C+
C+++
相关职位

logo of mi
校招

前沿技术研究 1. 跟踪全球手机领域的前沿软件技术动态(如操作系统优化、基础软件优化、硬件协同创新、端侧AI系统优化等),分析技术趋势并输出研究报告; 2. 深入研究学术界顶会论文(如OSDI/SOSP/FAST/NSDI/SIGCOMM/ASPLOS/CGO/ICSE等),提炼可落地的技术方案,推动技术预研与创新。 竞争洞察与行业分析 1. 监测友商技术动态,评估其技术路线、专利布局及产品实现,为小米技术战略提供决策支持。 PoC概念验证开发 1. 对于高价值关键技术点的原型开发,完成算法优化、性能测试及可行性验证,推动创新成果向实际产品转化。 跨领域协同 1. 与OS、硬件、AI、自动驾驶等团队合作,探索手机与智能生态(IoT、汽车、机器人)的软件技术融合方案。 技术成果输出 1. 撰写高质量学术论文,申请技术专利,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。 【课题名称】 下一代操作系统研究 【课题内容】 1.前沿技术探索 a. 研究基础软件领域,如操作系统轻量化内核架构(如Unikernel混合部署模型)、编译器与AI融合优化(MLIR动态代码生成)、低损耗容错中间件等关键技术; b. 研究系统关键模块(调度系统/内存管理/驱动框架/协议栈)的创新机会,如形式化验证驱动的确定性高稳定协议栈。 2. PoC验证与落地转化 a. 针对高潜力方向(如编译时-运行时联合优化、异构资源池化调度),在原型系统完成技术可行性验证。

更新于 2025-06-26
logo of mi
校招

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. 构建相机硬件特征驱动的功耗建模体系,研发动态任务映射策略的仿真验证与量化评估工具; 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。 【课题名称】 低功耗影像系统设计 【课题内容】 1. 构建手机异构计算架构(CPU/GPU/cDSP)的系统级能效模型,探索流水线级功耗/性能观测理论框架; 2. 研究影像系统多模态资源协同调度机制,开发基于动态负载预测的自适应能效优化算法; 3. 建立相机场景驱动的功耗特征量化评估体系,预研DVFS与动态任务映射的跨层级协同优化路径; 4. 创新编译优化技术架构,探索过程间优化(IPO)与链接时优化(LTO)的深度协同机制及效能评估模型。

更新于 2025-06-26
logo of mi
校招

1. 提升ART虚拟机编译器的编译效率,解决虚拟机编译发热、卡顿的行业难点问题; 2. 探索行业内最新编译器性能优化动向,比如IR优化、向量化、PGO编译优化技术等,并在ART编译器上进行孵化落地产品,极大提升HyperOS性能体验与行业竞争力。 【课题名称】 关于ART编译器优化的研究与应用 【课题内容】 1.改善ART虚拟机中JIT和dex2oat编译器的编译效率; 2.持续提升ART编译器的性能表现,实现最终编译产物机器码性能更优、体积更小,从而极大改善应用运行时流畅度体验。

更新于 2025-06-26
logo of mi
校招

1.研究构建架构自适应编译系统:基于llvm开发SIMT自动向量化框架与ML驱动的循环优化模块; 2.设计指令集-编译器协同方案:制定SIMT混合指令编码规范,开发编译器性能优化策略; 3.建立全栈验证体系:构建从语言级并行模式→中间表示优化→指令流水线映射的三层性能分析平台,实施软硬件协同调优; 4.分析业界领先的编程语言、指令集架构、编译器架构。 【课题名称】 面向通用计算架构与AI专用领域的智能编译优化技术研究 【课题内容】 研发面向异构计算的编译技术体系,构建""语言设计-编译优化-指令集""垂直协同架构: 1. 设计类CUDA编程语言,融合多级并行原语与显式内存管理,实现从高阶语义到LLVM IR的映射框架; 2. 开发智能编译引擎,创新指令调度与SIMT向量化策略,集成ML驱动的参数自适应机制; 3. 定义可扩展指令集架构,支持VLIW/SIMT混合执行模式与定制化运算指令,构建编译器-芯片联合优化体系。 通过编程语言抽象表达并行模式、编译中间层实施架构感知优化、指令集层实现硬件特性映射的三层联动,形成软硬件深度协同的高性能计算架构。

更新于 2025-06-26