小米自动驾驶 - 大模型训练框架优化专家
任职要求
1. 本科及以上学历，扎实的编程基础(Python/C++)与良好的工程习惯 2. 精通深度学习框架底层原理（PyTorch 核心机制如Torch.Compile, Autograd、TorchScript, XLA）， 3. 熟悉分布式训练框架（Horovod、Megatron-LM、DeepSpe…
工作职责
1. 负责分析和优化大模型的分布式训练链路，提升训练性能和效率； 2. 对大模型训练优化技术展开研究，并落地到自动驾驶； 3. 负责推进训练框架和AI平台的结合，建立先进的训练调度机制、集群算力利用率评估机制等。
你将加入PAI平台团队，负责面向各类AI应用场景的模型训练与推理性能优化工作。该岗位聚焦于AI计算性能与系统效率的极致提升，以多层次优化手段，持续提升模型训练与推理的速度、稳定性与资源利用率，具体工作内容包含但不限于： ● 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案； ● 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化； ● 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能； ● 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化； ● 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离； ● 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持。
研发面向自动驾驶场景的大规模预训练模型架构，探索多模态数据（视觉、文本等）的融合预训练方法 构建自动驾驶领域专属的预训练模型，提升感知、预测、决策等模块的泛化能力和长尾场景处理能力 设计和优化千亿参数级模型的分布式训练框架，解决自动驾驶数据异构性、时序关联性等场景特有问题 研发高效的预训练数据清洗、标注增强及自动化评估体系 探索模型压缩、知识蒸馏等技术在车载计算平台的落地应用 跟踪大模型领域前沿技术，推动LLM/VLM与自动驾驶系统的创新性结合
1. 负责研发和实现自动驾驶系统中端到端大模型的算法，涵盖多模态、大规模数据等领域的算法优化； 2. 参与自动驾驶系统的全流程算法开发，提升模型在复杂场景下的泛化能力和实时性； 3. 推动大模型在云端与车端平台的无缝协同，确保高效的推理与部署； 4. 持续跟踪和研究大模型和人工智能领域的最新进展，探索新技术在自动驾驶中的创新应用； 5. 参与跨团队的技术交流与合作，确保研发成果的高效应用与落地。
-前沿算法研发：探索并优化基于神经网络的 4D 重建算法，涵盖动态场景表示、时空一致性建模及大规模前馈推理架构； -核心模型设计：负责数据处理流水线搭建、模型架构演进及训练优化，推动重建精度与泛化能力的突破； -领域技术前瞻：跟踪 3D/4D 视觉与多模态大模型的最新趋势（如 Generative Priors, Large Reconstruction Models），参与技术选型与创新性预研； -全场景落地：协同团队将算法应用于自动驾驶闭环仿真、长尾场景生成等业务逻辑，实现技术闭环。