小米自动化（设备）开发工程师
任职要求
1. 机械电子、电气自动化相关专业，熟练应用设计软件；
2. 有良好的模拟电路，数字电路基础，了解基本电子元器件各项特性，有实际系统设计、调试经验；
3. 详细了解手机，消费电子，智能硬件…工作职责
1. 智能硬件装配/测试设备开发 - 设计并开发用于智能硬件产品（如消费电子、智能家居、可穿戴设备等）自动化装配和测试的专用设备，包括装配线体、功能测试机、视觉检测系统、老化测试设备等。 - 优化设备结构设计，提升装配精度（如微米级定位）及测试效率，确保设备兼容多型号产品柔性生产需求。 2. **工艺与流程优化** - 分析智能硬件产品的装配工艺难点（如精密部件组装、传感器校准），设计自动化解决方案（机械臂、传送系统、工装夹具等），降低人工干预比例。 - 开发高精度测试系统（电气性能测试、环境可靠性测试），实现测试数据自动采集、分析及异常报警功能。 3. 设备问题改善方案制定 - 完成设备联调、参数标定及生产验证，解决装配过程中的机械干涉、信号干扰等问题，确保设备稳定性。 - 参与编写设备操作规范及维护手册，对合作伙伴进行技术培训，支持量产爬坡阶段的设备优化。 4. 跨部门协作 - 与产品研发、质量部门协同，推动装配/测试设备与智能硬件产品的技术适配，确保设备满足产品迭代需求。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
滴滴出行国际化金融测试团队，负责核心业务质量保障，包括支付、风控、现金贷、信用卡等业务，团队技术导向，紧跟公司业务，质量保障能力处在行业前沿水平。 1、负责国际化支付系统的核心链路测试架构工作； 2、负责金融域内质量保障体系的构建和实践； 3、参与前线调研，负责前线业务对接，打通国际前线和质量Team信息渠道，消灭认知GAP、赋能国际金融业务 4、通过前瞻性的能力、机制建设， 规避业务质量风险；
1. 负责万亿级别QPS的分布式缓存/存储集群，支撑公司所有产品线的业务需求； 2. 设计、研发高可用、高性能的缓存/存储架构和中间件，应对弹性扩缩容，秒级故障自动切换，异地多活，分布式事务等极具挑战性的工作内容和方向； 3. 优化系统性能，深入内核，提升基础服务相关资源的使用率，增加系统稳定性，保障业务运行； 4. 设计并研发自动化运维平台，提升运维质量和效率，探索运维自动化和智能化技术和方向。
1.参与基于多模态大模型的GUI智能化能力的设计开发，实现多端（web/安卓/ios/鸿蒙/小程序）大模型手眼配套能力全覆盖； 2.跟踪业界前沿技术发展，参与大模型应用评测、企业内部场景化落地、GUI智能体建设等；