小米顶尖应届-大模型应用开发工程师-整车
任职要求
1、计算机科学、人工智能、车辆工程等； 2、对 SFT、PEFT、强化学习、prompt engineering、RAG、Agent等大模型相关技术有深入了解，在此领域有至少一年以上的工作经验； 3、对多模态技术有一定的了解，包括 ASR、TTS、视觉内容生成、端到端多模态大模型等； 4、具备良…
工作职责
1、应用包括大模型、Agent、多模态等在内的 AI 技术，推进汽车大数据的智能化应用落地； 2、与业务一起探索和发现 AI 技术的在汽车领域的前沿应用落地场景，针对性进行数据建设、模型训练、模型评估等，优化模型效果，实现效能提升。 3、探索AI技术在车端轻量化部署，优化推理速度。 【课题名称】 整车大模型应用开发 【课题内容】 本课题研究大模型在汽车上的应用，利用整车跨域数据结合大模型技术，推进整车智能化进步。
1. 高精度时序测量与建模技术：研发基于软硬件结合的混合测量架构，精准测量任务/中断执行时序和时间，同时设计任务/中断最大执行时间分析数学模型，构建任务/中断执行时序特征数据库； 2. 实时操作系统的编译代码优化与缓存命中率提升技术：旨在通过静态/动态分析、硬件协同等验证技术，增强多核系统中指令与数据缓存的可预测性，从而保障任务最坏执行时间分析的精确性与时序确定性； 3. 基于AI的多核调度优化引擎：通过建立多核任务/中断的数学模型，结合AI算法，创新性实现基于调度时序特征提取的调度优化机制，保证软件系统调度确定性；实时系统中缓存时序攻击的防御机制研究 ：通过硬件辅助、软件层干扰检测及调度算法优化，在多核系统中实现安全敏感代码的时间确定性保障； 4. 跨域时间敏感任务调度框架：针对车载多域控制器需求，实现基于以太网时钟同步的全局调度协调器。 【课题名称】 实时操作系统时间分析和优化 【课题内容】 本课题致力于解决嵌入式系统在复杂工况下面临的时序不确定难题，提升操作系统的实时性，保证系统内和跨系统交互的端到端的实时性能达标、稳定，让整车功能更精准的控制和响应。
1.负责动力电池、电控、电机、热管理等相关的前沿算法策略和解决方案开发； 2.负责AI相关算法和方案在云端或车端的部署与实现； 3.负责动力数据产品的AI智能改造或重构； 4. 负责AI前沿技术应用探索。 【课题名称】动力AI技术创新应用 【课题内容】新能源三电和热管理系统相关数据驱动和AI算法开发，融合研发、生产、运行、充电和售后等多域数据，建立需求预测-技术迭代-市场反馈的AI算法应用和产品研发
1、创新应用和模型结构分析和建模：对新MoE模型，Transformer优化模型，非Transformer模型，语音模型，视觉模型进行计算特征，访存特征，通信特征分析建模； 2、推理系统优化技术：基于应用特征，自顶向下分析推理软件栈可优化手段，从推理调度，KV Cache管理，推理引擎，算子，并行切进行协同优化； 3、模型压缩：探索低精度损失的低比特量化（如INT4/INT2量化）或稀疏化等算法，缓解大模型推理计算与内存开销； 4、长序列优化：通过序列压缩、序列并行等算法，在有限的部署资源上（如单机）实现1M甚至10M长序列高效推理； 5、提供高性能轻量级AI推理引擎：分析当前CPU执行AI推理的性能瓶颈，通过先进AI算法技术（比如Sparsicity等）和编译优化技术（auto-tiling等)，结合BW芯片众核、大带宽、高矢量的架构特征，挑战性能天花板，推动AI4Compiler技术切实落地。 【课题名称】 大模型负载分析和推理系统优化。 【课题内容】 结合端侧设备的功耗、面积和实时性限制，探索自动优化方法研究，沉淀算子、模型及应用级优化方法，识别加速最优解决方案，并能够实施自动化化优化技术研究&应用。实现计算过程中的高效协同，发挥各类计算单元的有效算力；在算力墙、内存墙、通信墙等各维度平衡取舍发挥系统综合最优性能。
主要从事物联网（IoT）与人工智能（AI）的跨领域技术研发，聚焦多模态感知与大模型优化在智能家居场景的深度应用，具体方向包括： 1. 多模态融合感知：研发基于视觉、语音、环境传感等多源数据的融合算法，构建高精度环境感知系统，实现对用户行为与空间状态的实时理解； 2. 垂域大模型优化：针对智能家居场景优化大模型架构，开发参数高效微调（如LoRA）与轻量化部署方案，提升模型在边缘设备端的推理效率； 3. 智能决策系统：融合多模态感知与大模型分析能力，构建个性化推荐引擎，实现设备联动自动化与场景化服务（如自适应照明、安防预警等）。 【课题名称】 基于多模态感知的IoT垂域大模型应用 【课题内容】 基于多模态感知融合技术的垂域大模型优化方案，拓展智能家居场景应用，实现环境、语音与视觉数据的协同分析与智能决策。