小米顶尖应届-大语言模型算法研究员-MiMo
任职要求
熟悉大语言模型（如Transformer、MoE）的核心原理，具备以下至少一项经验： - 大规模模型训练（分布式训练、数据优化） - 强化学习、奖励建模或AI Ag…
工作职责
参与大语言模型的核心技术研发，包括但不限于： 1、预训练优化（数据合成、长上下文建模、训练动力、scaling laws分析）； 2、后训练技术（强化学习、奖励模型、推理能力提升）； 3、代码生成与理解（自动化数据构建、运行反馈优化）； 4、模型架构创新（MoE、高效推理、稳定性优化）； 5、 探索AI Agent、长序列推理、在线学习等新兴方向。
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、构建安全事件知识图谱，建立车辆-事件-驾驶行为-零部件-软件版本-环境场景-处置结果的关系模型； 2、研究多源异构安全数据的实体对齐、关系推理和动态图谱更新方法； 3、研发因果发现算法，从观测数据中自动发现安全事件的因果结构； 4、研究小样本学习和可解释AI方法，支撑稀有安全事件的归因和证据链展示； 5、推动模型在事故分析、群体风险识别、安全治理场景中的工程化落地； 6、沉淀可复用算法组件、技术文档、论文与专利。
1、设计和实现支持大规模分布式训练的集群和框架； 2、 构建高效的推理框架和算子优化，支持超大规模模型的在线和离线推理需求； 3、研究PD分离、Context Caching、模型量化、推敲编码等推理优化技术。
1、构建驾驶行为特征体系，基于车速、加速度、制动、转向、跟车、道路、环境、DMS和驾驶辅助状态等数据，形成可解释的驾驶行为画像； 2、研究高维车端时序数据表征学习方法，构建面向安全风险预测的时序模型； 3、建立驾驶行为与安全事件、能耗表现、整车健康状态之间的关联分析与因果推断框架； 4、研究人工驾驶、辅助驾驶、接管切换等人机协同场景下的风险识别模型； 5、推动模型在安全画像、安全分、风险预警、事故分析、健康管理等业务中的工程化落地； 6、沉淀可复用算法组件、技术文档、论文与专利。