小米顶尖应届-大模型应用开发工程师-汽车架构

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。

职位概述 我们正积极招募对人工智能充满热情的应届硕士及以上学历的优秀毕业生，加入我们的AI研究团队。作为一名AI研究工程师，您将有机会参与设计和开发创新的端到端人工智能系统，推动企业工作流程自动化的前沿实践。本岗位旨在为新一代AI人才提供从理论到实践的快速成长路径，助力您在企业级AI应用中发挥创造力与技术专长。 <hr> 主要职责 参与企业自动化、知识管理系统及智能决策支持等方向的AI研究与原型开发。 学习和运用先进AI技术，协助开发、训练并与企业工具（如ERP、CRM及大语言模型接口）集成AI模型。 与跨职能团队（数据工程、产品、业务）协作，探索自动化需求并支持AI方案的测试与落地。 参与构建和维护模型训练、评估及优化的基础管道。 跟踪AI技术动态（如基础模型、多模态AI、强化学习），分析其应用于企业场景的可行性。 通过技术文档和代码贡献，积极参与团队知识沉淀与技术创新。

1. 负责 高保真仿真场景重建算法和工具开发; 2. 负责 仿真场景数字孪生建设和仿真场景泛化能力建设; 3. 负责 仿真环境Mesh渲染优化、Mesh自动化补全算法开发; 4. 负责 3D资产/场景自动化导入仿真平台，物理属性自动识别工具开发。 【课题名称】 仿真场景高精细度重建 【课题内容】 针对机器人的操作和导航场景, 开发高保真的仿真场景重建算法和工具链, 具体包含: 1. 仿真场景视觉高保真重建 2. 仿真资产物理属性自动还原 3. 资产自动化导入仿真平台, 自动化补全Mesh 4. 仿真环境Mesh渲染优化

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。