{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "MiMo算法研究员-音频&语音",
        "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": "我们在做什么？我们在通过探索 scaling 语音预训练和后训练，来让模型涌现出真正的语音超级智能。\n1. Data\n  - 海量语音数据处理：建设超大规模真实语音数据发掘、采集、预处理与清洗的流水线\n  - 高质量语音数据处理：搭建在海量真实语音中对高质量数据进行定义、召回、标注的流水线\n2. Backbone & Infra\n  - 语音原生架构：探索随着语音数据 scaling 收益上限最高的建模架构，不限于离散或者连续建模\n  - 高效训推框架：适配最契合语音模型架构的训练和推理框架，兼顾性能和效率\n3. Pretrain & Post-train\n  - 定义语音生成式预训练：围绕可泛化的语音预训练模型展开前沿探索性研究，坚定 scaling 路线\n  - 强化学习后训练：为语音预训练模型的强大能力提供语音对话的交互方式，激发预训练潜力\n4. Evaluation & Product\n  - 全面评估框架：定义和构建从预训练到后训练的评估方式\n  - 创新产品：搭建最适配模型能力的创新型产品",
        "requirements_text": "我们在寻找怎样的你？\n- 共同信仰 — 相信语音端到端路线，相信语音 scaling 的巨大潜力，期待构建真正的语音超级智能。\n- 期待打破边界和突破上限 — 对\"还没有标准答案\"的问题充满兴趣，愿意去做难而正确的事情，不怕打破常规，不怕不确定性，也不满足于在已有框架内做局部优化。\n- 主动思考和深入思考的能力 — 能够自驱发现问题、提出假设、设计实验并复盘迭代；习惯把问题从\"差不多能用\"想清楚到\"本质机制是什么\"，敢于质疑默认设定和隐含前提。\n- 产品思维和用户思维 — 能够从具体使用场景出发思考能力边界、数据策略和评估方式。\n- 团队协作精神和沟通能力 — 乐于和研究、工程、产品等多角色对齐，能够清晰表达想法、约束和 trade-off，愿意在 code review、实验设计、产品方案中彼此碰撞、共同打磨。\n- 工程能力 — 具备扎实的编码能力（如 Python / C++ 等），有良好的代码结构和工程习惯；对大规模模型训练、推理部署或数据流水线工程化有经验者优先，有分布式训练、性能优化或在线服务经验更佳。",
        "skills": [AI生成
            "Python",
            "C++",
            "模型训练",
            "性能优化",
            "团队协作",
            "沟通能力"
        ],
        "preferred_qualifications": "对大规模模型训练、推理部署或数据流水线工程化有经验者优先，有分布式训练、性能优化或在线服务经验更佳",
        "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/7621369633563625779/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7621369633563625779",
        "post_date": "2026-03-26",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7621369633563625779/detail"
    },
    "fulltext": "MiMo算法研究员-音频&语音\n职位描述\n我们在做什么？我们在通过探索 scaling 语音预训练和后训练，来让模型涌现出真正的语音超级智能。\n1. Data\n  - 海量语音数据处理：建设超大规模真实语音数据发掘、采集、预处理与清洗的流水线\n  - 高质量语音数据处理：搭建在海量真实语音中对高质量数据进行定义、召回、标注的流水线\n2. Backbone & Infra\n  - 语音原生架构：探索随着语音数据 scaling 收益上限最高的建模架构，不限于离散或者连续建模\n  - 高效训推框架：适配最契合语音模型架构的训练和推理框架，兼顾性能和效率\n3. Pretrain & Post-train\n  - 定义语音生成式预训练：围绕可泛化的语音预训练模型展开前沿探索性研究，坚定 scaling 路线\n  - 强化学习后训练：为语音预训练模型的强大能力提供语音对话的交互方式，激发预训练潜力\n4. Evaluation & Product\n  - 全面评估框架：定义和构建从预训练到后训练的评估方式\n  - 创新产品：搭建最适配模型能力的创新型产品\n\n职位要求\n我们在寻找怎样的你？\n- 共同信仰 — 相信语音端到端路线，相信语音 scaling 的巨大潜力，期待构建真正的语音超级智能。\n- 期待打破边界和突破上限 — 对\"还没有标准答案\"的问题充满兴趣，愿意去做难而正确的事情，不怕打破常规，不怕不确定性，也不满足于在已有框架内做局部优化。\n- 主动思考和深入思考的能力 — 能够自驱发现问题、提出假设、设计实验并复盘迭代；习惯把问题从\"差不多能用\"想清楚到\"本质机制是什么\"，敢于质疑默认设定和隐含前提。\n- 产品思维和用户思维 — 能够从具体使用场景出发思考能力边界、数据策略和评估方式。\n- 团队协作精神和沟通能力 — 乐于和研究、工程、产品等多角色对齐，能够清晰表达想法、约束和 trade-off，愿意在 code review、实验设计、产品方案中彼此碰撞、共同打磨。\n- 工程能力 — 具备扎实的编码能力（如 Python / C++ 等），有良好的代码结构和工程习惯；对大规模模型训练、推理部署或数据流水线工程化有经验者优先，有分布式训练、性能优化或在线服务经验更佳。\n我们在做什么？我们在通过探索 scaling 语音预训练和后训练，来让模型涌现出真正的语音超级智能。\n1. Data\n  - 海量语音数据处理：建设超大规模真实语音数据发掘、采集、预处理与清洗的流水线\n  - 高质量语音数据处理：搭建在海量真实语音中对高质量数据进行定义、召回、标注的流水线\n2. Backbone & Infra\n  - 语音原生架构：探索随着语音数据 scaling 收益上限最高的建模架构，不限于离散或者连续建模\n  - 高效训推框架：适配最契合语音模型架构的训练和推理框架，兼顾性能和效率\n3. Pretrain & Post-train\n  - 定义语音生成式预训练：围绕可泛化的语音预训练模型展开前沿探索性研究，坚定 scaling 路线\n  - 强化学习后训练：为语音预训练模型的强大能力提供语音对话的交互方式，激发预训练潜力\n4. Evaluation & Product\n  - 全面评估框架：定义和构建从预训练到后训练的评估方式\n  - 创新产品：搭建最适配模型能力的创新型产品\n我们在寻找怎样的你？\n- 共同信仰 — 相信语音端到端路线，相信语音 scaling 的巨大潜力，期待构建真正的语音超级智能。\n- 期待打破边界和突破上限 — 对\"还没有标准答案\"的问题充满兴趣，愿意去做难而正确的事情，不怕打破常规，不怕不确定性，也不满足于在已有框架内做局部优化。\n- 主动思考和深入思考的能力 — 能够自驱发现问题、提出假设、设计实验并复盘迭代；习惯把问题从\"差不多能用\"想清楚到\"本质机制是什么\"，敢于质疑默认设定和隐含前提。\n- 产品思维和用户思维 — 能够从具体使用场景出发思考能力边界、数据策略和评估方式。\n- 团队协作精神和沟通能力 — 乐于和研究、工程、产品等多角色对齐，能够清晰表达想法、约束和 trade-off，愿意在 code review、实验设计、产品方案中彼此碰撞、共同打磨。\n- 工程能力 — 具备扎实的编码能力（如 Python / C++ 等），有良好的代码结构和工程习惯；对大规模模型训练、推理部署或数据流水线工程化有经验者优先，有分布式训练、性能优化或在线服务经验更佳。",
    "standard_classification": {
        "std_category_code": "T035",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}