小米算法数据优化工程师
任职要求
1、熟悉主流自动驾驶感知算法，熟悉CNN，Transformer以及优化架构原理 2、有AutoML，蒸馏，自监督学习等相关经验 3、熟悉Python开发、算法和数据结构 4、具备扎实的研发功底，有在相关领域（IJCV、PAMI、CVPR、ICCV、ECCV、NIPS、AAAI 等）发表论文者优先；或在相关领域竞赛（ImageNet、COCO、Kitti、Waymo、nuScenes等等）中取得较好成绩者优先。
工作职责
1. 数据“蒸馏”算法： 研发主动学习（Active Learning）与核心集选择（Core-Set Selection）算法，从PB级数据中自动化地“炼”出信息密度最高的“黄金数据集”，实现训练成本与模型性能的最优平衡。 2. 难例（Hard-Case）挖掘算法： 构建多模态难例挖掘引擎，融合图像、点云与模型内部状态，主动“捕获”长尾和边缘场景，持续拓宽模型的能力边界。 3. 算法归因与可解释性（XAI）： 基于可解释性AI与因果推断，开发自动化归因工具链。当模型失效时，能精准定位根因是来自数据、标注还是模型自身，实现从“现象”到“根因”的穿透。
团队介绍：Data-电商-平台治理-内容理解基础算法团队，主要 focus 在 NLP/CV/多模态的大模型算法和基础算法研发上，旨在沉淀CV/NLP/多模态方向上的业界SOTA模型，针对电商数据优化算法，支持模型训练和推理加速，提升电商业务效果。 1、模型压缩和推理框架开发：推理加速的研究，包括但不限于模型量化、剪枝、TensorRT、TensorRT-LLM推理优化等； 2、梳理&沉淀算法库：抽象算法接口，提高算法/预训练模型的复用率，同时优化数据采集和模型训练的流程，提升效率； 3、技术输出：定期分享训练和推理优化技术，赋能业务，沉淀专利和论文。
团队介绍：Data-电商-平台治理-内容理解基础算法团队，主要 focus 在 NLP/CV/多模态的大模型算法和基础算法研发上，旨在沉淀CV/NLP/多模态方向上的业界SOTA模型，针对电商数据优化算法，支持模型训练和推理加速，提升电商业务效果。 1、模型压缩和推理框架开发：推理加速的研究，包括但不限于模型量化、剪枝、TensorRT、TensorRT-LLM推理优化等； 2、梳理&沉淀算法库：抽象算法接口，提高算法/预训练模型的复用率，同时优化数据采集和模型训练的流程，提升效率； 3、技术输出：定期分享训练和推理优化技术，赋能业务，沉淀专利和论文。
方向一： 1. 负责多模态大模型的基础能力提升，图文多模态模型的下游算法研究，图文多模态技术在AI搜索、图片结构化提取、图片内容理解等应用领域云侧和端侧的研究等 2. 跟进业界前沿技术，持续提升团队在图文多模态算法方面的技术积累。 方向二： 1. 负责多模态大模型压缩算法研发，探索并实现极低bit量化技术和稀疏化技术，保持推理精度的同时减少模型存储和计算资源消耗；多模态大模型编解码加速算法研发，降低端侧模型推理成本； 2. 参与端侧大模型技术体系建设，探索和实现高效大模型架构，开发和优化内部模型端侧化部署工具链，跟进大模型前沿技术发展趋势，探索相关算法的创新优化，发表高质量研究论文。 方向三： 1. 参与AI搜索，小布记忆等业务交付中的算法方案设计，模型训练等，持续提升算法能力，改善产品体验； 方向四： 1、 负责参与小布助手统一意图理解与任务编排的算法及数据工程优化 方向五： 1. 参与个性化大模型算法设计、实现和优化，提升模型用户特征提取、行为挖掘及精准画像等核心能力； 2. 协同产品与工程团队，推动个性化大模型在手机业务中的创新应用，持续探索技术突破点并推动团队技术迭代，保持行业领先性。
1、负责广告创意智能生成引擎的研发工作，赋能公司全流量位广告物料的创作场景； 2、基于素材创作、投放数据，优化广告文案、视频、图片、音乐等物料的智能生成策略的工程/策略实现； 3、负责广告素材中台研发工作，灵活支持各业务场景的定制化需求，提供海量广告基础数据服务，承载高并发、低延迟的业务需求； 4、负责现有系统的工程优化和模块重构，优化工程架构/算法策略，保障业务快速发展。