小米顶尖应届-大模型算法工程师（安全归因与证据链方向）-汽车架构
任职要求
1、计算机科学、人工智能、数据科学、知识工程、车辆工程、交通工程、可靠性工程等相关专业，博士优先； 2、熟悉知识图谱、因果推断、小样本学习、可解释AI、多源数据融合等方向； 3、熟悉Python、PyTor…
工作职责
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、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。
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、负责大模型在内的各类算法的移动端部署与优化； 2、负责移动端深度学习框架开发及算子优化； 3、不断挖掘移动芯片算力潜能，改良模型结构，实现业界领先的算法执行效能； 4、撰写相关论文，专利。
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。