小米顶尖应届-大模型训练框架优化工程师-自动驾驶
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、DeepSpeed 等）的实现逻辑； 4、熟悉…
工作职责
1、负责基于现有大模型训练框架分析自动驾驶与机器人模型训练链路，包括数据加载、分布式并行、显存占用、通信开销和算子执行等环节，定位性能瓶颈； 2、围绕训练吞吐、GPU 利用率和模型迭代效率开展优化，推动训练周期缩短和训练资源成本下降； 3、结合 PyTorch、Megatron-LM、DeepSpeed 等技术栈，开展分布式训练策略、混合精度、算子融合、通信优化和 CUDA 高性能算子优化； 4、推进训练框架与 AI 平台、调度系统和监控体系协同，建立训练效率、集群算力利用率和任务稳定性的评估机制； 5、探索 AI Agent 在自动化 profiling、瓶颈定位和代码优化建议中的应用，沉淀可复用的训练优化工具链。
参与大语言模型的核心技术研发，包括但不限于： - 预训练优化（数据合成、长上下文建模、训练动态分析） - 后训练技术（强化学习、奖励模型、推理能力提升） - 代码生成与理解（自动化数据构建、运行反馈优化） - 模型架构创新（MoE、高效推理、稳定性优化） - 探索AI Agent、长序列推理、在线学习等新兴方向
1、负责具身大模型多模态数据体系建设，覆盖图像、视频、语言、图文交错、动作轨迹、机器人交互等数据类型，支撑模型训练、评测与迭代。 2、设计并搭建大规模数据处理与生产管线，包括数据采集、清洗、标注、筛选、标准化、混合配比、质量评估与版本管理，保障数据全生命周期高效运转。 3、面向预训练、持续训练、SFT、强化学习等不同阶段，制定适配的数据策略与处理方案，提升数据利用效率与训练效果。 4、针对多模态具身大模型任务特点，解决跨模态对齐、时序一致性、动作标注、数据稀疏性与分布不均衡等问题，持续优化数据质量。 5、联合数据平台、模型与机器人团队，建设自动化数据回放、质检、追溯与评测体系，形成可复用、可迭代的数据基础设施。 6、跟踪多模态数据处理、自动标注与数据质量评估等方向的前沿技术，推动数据体系持续升级。
1、面向整车多业务域需求，依托云端车辆大数据完成整车关键零部件诊断、健康问题定义、数据分析、方案设计与落地交付； 2、结合大模型（含多模态/Agent 等）推动关键场景从 0 到 1：数据建设、训练/微调、评测与迭代闭环； 3、建设大模型工程化与体系化能力：训练与推理链路、评测体系、版本管理与稳定性保障，沉淀可复用组件与最佳实践； 4、推进车端/边缘侧轻量化部署与推理优化（压缩/加速/量化等），满足实时性、资源约束与可靠性要求； 5、参与跨团队协作与技术沉淀：推动里程碑交付，参与技术方案评审，输出内部分享、专利与技术文档。
1. 负责自动驾驶场景下预测大模型的研发； 2. 相关数据指导采集、汇总； 3. 定位、感知、规控等上下游模块联和调优； 4. 负责探索前沿预测算法，更好的解决实际的路测问题。 【课题名称】 L3自动驾驶关键技术研究-预测大模型 【课题内容】 1. 负责自动驾驶场景下预测大模型的研发； 2. 相关数据指导采集、汇总； 3. 定位、感知、规控等上下游模块联和调优； 4. 负责探索前沿预测算法，更好的解决实际的路测问题。