主分类：机器人与自动驾驶算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "小米汽车-算法工程师（安全方向）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 面向驾驶事件的多模态数据（CAN信号、视频、智驾通道），构建碰撞时刻自动识别算法——部分场景动力学特征微弱，需多信号融合建模解决；\n2. 构建安全事件场景的自动化标注体系，包括道路环境、运动交互、碰撞物类型等多维度标签，综合运用感知模型、大模型与规则方法实现标注流水线；\n3. 从安全事件数据中挖掘智驾/主动安全功能缺陷，通过场景标签聚类与功能边界条件对照两条路径，识别功能作用域的盲区；\n4. 整合以上能力，构建从数据输入到分析报告输出的端到端自动化分析系统，持续沉淀安全算法体系。",
"requirements_text": "1. 具备智驾感知或规控算法开发经验，理解智驾系统的数据链路和功能逻辑；\n2. 能用Python独立完成数据清洗、特征构建、模型训练与评估，熟悉至少一种深度学习框架；\n3. 有感知模型开发或应用经验者优先；\n4. 有大模型应用经验者优先；\n5. 有多模态数据融合经验者优先。",
"skills": [AI生成
"Python",
"深度学习",
"数据清洗",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "3. 有感知模型开发或应用经验者优先；4. 有大模型应用经验者优先；5. 有多模态数据融合经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7564303806584097051/detail"
}
]
},
"posting": {
"posting_id": "7564303806584097051",
"post_date": "2025-10-23",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7564303806584097051/detail"
},
"fulltext": "小米汽车-算法工程师（安全方向）\n职位描述\n1. 面向驾驶事件的多模态数据（CAN信号、视频、智驾通道），构建碰撞时刻自动识别算法——部分场景动力学特征微弱，需多信号融合建模解决；\n2. 构建安全事件场景的自动化标注体系，包括道路环境、运动交互、碰撞物类型等多维度标签，综合运用感知模型、大模型与规则方法实现标注流水线；\n3. 从安全事件数据中挖掘智驾/主动安全功能缺陷，通过场景标签聚类与功能边界条件对照两条路径，识别功能作用域的盲区；\n4. 整合以上能力，构建从数据输入到分析报告输出的端到端自动化分析系统，持续沉淀安全算法体系。\n\n职位要求\n1. 具备智驾感知或规控算法开发经验，理解智驾系统的数据链路和功能逻辑；\n2. 能用Python独立完成数据清洗、特征构建、模型训练与评估，熟悉至少一种深度学习框架；\n3. 有感知模型开发或应用经验者优先；\n4. 有大模型应用经验者优先；\n5. 有多模态数据融合经验者优先。\n1. 面向驾驶事件的多模态数据（CAN信号、视频、智驾通道），构建碰撞时刻自动识别算法——部分场景动力学特征微弱，需多信号融合建模解决；\n2. 构建安全事件场景的自动化标注体系，包括道路环境、运动交互、碰撞物类型等多维度标签，综合运用感知模型、大模型与规则方法实现标注流水线；\n3. 从安全事件数据中挖掘智驾/主动安全功能缺陷，通过场景标签聚类与功能边界条件对照两条路径，识别功能作用域的盲区；\n4. 整合以上能力，构建从数据输入到分析报告输出的端到端自动化分析系统，持续沉淀安全算法体系。\n1. 具备智驾感知或规控算法开发经验，理解智驾系统的数据链路和功能逻辑；\n2. 能用Python独立完成数据清洗、特征构建、模型训练与评估，熟悉至少一种深度学习框架；\n3. 有感知模型开发或应用经验者优先；\n4. 有大模型应用经验者优先；\n5. 有多模态数据融合经验者优先。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}