主分类：大模型与生成式算法研发
辅助：AI训练推理与计算优化（仅展示）
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": "MiMo算法研究员-预训练",
"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？核心预训练（Core Pre-training）我们不仅是在训练模型，更是在探索智能的本质边界。我们致力于从零构建下一代通用的智能基座：\n1. Backbone & Architecture\n - 下一代基座：Model size scaling & context length scaling\n - 原生多模态：设计文本、视觉、音频原生融合的统一架构，实现端到端的物理世界感知与推理。\n - Co-design：坚持 Algorithm-Infra Co-design，结合底层硬件特性（Kernel/拓扑）设计架构，突破训练与推理的效率瓶颈。\n2. Data\n - 真实数据 scaling：建设超大规模多模态数据发掘、采集、清洗与配比流水线，覆盖所有人类已有数据。\n - 合成数据 scaling：攻克高质量合成数据的生成与验证难题，解决数据稀缺性，提升数据知识密度、推理密度、推理长度。\n3. Optimization\n - 极致收敛：研发适应万卡集群、超大 Batch Size 的新型优化器。\n - 训练稳定性：深入研究 Training Dynamics，解决 Loss Spike 与泛化难题，保障大规模训练的鲁棒性。",
"requirements_text": "我们在寻找怎样的你？\n- 笃信 AGI 愿景 — 笃信而建，即使前路未明，仍坚持探索，致力于推动 AGI 的实现。\n- 坚定的技术信仰 — 深刻理解 \"The Bitter Lesson\" 的核心逻辑，笃信算力规模与通用算法的长期价值，具备从系统全局视角思考算法问题的宏观视野。\n- 卓越的学术背景 — 在 AI 领域顶级会议或期刊（ICLR, NeurIPS, ICML, CVPR, ACL 等）发表过具有影响力的学术论文，展现出深厚的研究品味与技术前瞻性。\n- 扎实的工程底蕴 — 精通 PyTorch 等主流深度学习框架，具备处理大规模分布式训练 (Distributed Training) 的实战经验。熟悉 Megatron-LM 等训练框架底层原理，具备对 Backbone、Optimizer 或 Data Loader 进行底层代码级优化的能力。\n- 韧性与协作能力 — 具备在高度不确定性环境下解决复杂问题的韧性；能够与 Infra 团队进行跨学科的高效沟通，共同推进极具挑战性的工程落地。",
"skills": [AI生成
"PyTorch",
"深度学习"
],
"preferred_qualifications": "未披露",
"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/7621370252371216678/detail"
}
]
},
"posting": {
"posting_id": "7621370252371216678",
"post_date": "2026-03-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7621370252371216678/detail"
},
"fulltext": "MiMo算法研究员-预训练\n职位描述\n 我们在做什么？核心预训练（Core Pre-training）我们不仅是在训练模型，更是在探索智能的本质边界。我们致力于从零构建下一代通用的智能基座：\n1. Backbone & Architecture\n - 下一代基座：Model size scaling & context length scaling\n - 原生多模态：设计文本、视觉、音频原生融合的统一架构，实现端到端的物理世界感知与推理。\n - Co-design：坚持 Algorithm-Infra Co-design，结合底层硬件特性（Kernel/拓扑）设计架构，突破训练与推理的效率瓶颈。\n2. Data\n - 真实数据 scaling：建设超大规模多模态数据发掘、采集、清洗与配比流水线，覆盖所有人类已有数据。\n - 合成数据 scaling：攻克高质量合成数据的生成与验证难题，解决数据稀缺性，提升数据知识密度、推理密度、推理长度。\n3. Optimization\n - 极致收敛：研发适应万卡集群、超大 Batch Size 的新型优化器。\n - 训练稳定性：深入研究 Training Dynamics，解决 Loss Spike 与泛化难题，保障大规模训练的鲁棒性。\n\n职位要求\n我们在寻找怎样的你？\n- 笃信 AGI 愿景 — 笃信而建，即使前路未明，仍坚持探索，致力于推动 AGI 的实现。\n- 坚定的技术信仰 — 深刻理解 \"The Bitter Lesson\" 的核心逻辑，笃信算力规模与通用算法的长期价值，具备从系统全局视角思考算法问题的宏观视野。\n- 卓越的学术背景 — 在 AI 领域顶级会议或期刊（ICLR, NeurIPS, ICML, CVPR, ACL 等）发表过具有影响力的学术论文，展现出深厚的研究品味与技术前瞻性。\n- 扎实的工程底蕴 — 精通 PyTorch 等主流深度学习框架，具备处理大规模分布式训练 (Distributed Training) 的实战经验。熟悉 Megatron-LM 等训练框架底层原理，具备对 Backbone、Optimizer 或 Data Loader 进行底层代码级优化的能力。\n- 韧性与协作能力 — 具备在高度不确定性环境下解决复杂问题的韧性；能够与 Infra 团队进行跨学科的高效沟通，共同推进极具挑战性的工程落地。\n 我们在做什么？核心预训练（Core Pre-training）我们不仅是在训练模型，更是在探索智能的本质边界。我们致力于从零构建下一代通用的智能基座：\n1. Backbone & Architecture\n - 下一代基座：Model size scaling & context length scaling\n - 原生多模态：设计文本、视觉、音频原生融合的统一架构，实现端到端的物理世界感知与推理。\n - Co-design：坚持 Algorithm-Infra Co-design，结合底层硬件特性（Kernel/拓扑）设计架构，突破训练与推理的效率瓶颈。\n2. Data\n - 真实数据 scaling：建设超大规模多模态数据发掘、采集、清洗与配比流水线，覆盖所有人类已有数据。\n - 合成数据 scaling：攻克高质量合成数据的生成与验证难题，解决数据稀缺性，提升数据知识密度、推理密度、推理长度。\n3. Optimization\n - 极致收敛：研发适应万卡集群、超大 Batch Size 的新型优化器。\n - 训练稳定性：深入研究 Training Dynamics，解决 Loss Spike 与泛化难题，保障大规模训练的鲁棒性。\n我们在寻找怎样的你？\n- 笃信 AGI 愿景 — 笃信而建，即使前路未明，仍坚持探索，致力于推动 AGI 的实现。\n- 坚定的技术信仰 — 深刻理解 \"The Bitter Lesson\" 的核心逻辑，笃信算力规模与通用算法的长期价值，具备从系统全局视角思考算法问题的宏观视野。\n- 卓越的学术背景 — 在 AI 领域顶级会议或期刊（ICLR, NeurIPS, ICML, CVPR, ACL 等）发表过具有影响力的学术论文，展现出深厚的研究品味与技术前瞻性。\n- 扎实的工程底蕴 — 精通 PyTorch 等主流深度学习框架，具备处理大规模分布式训练 (Distributed Training) 的实战经验。熟悉 Megatron-LM 等训练框架底层原理，具备对 Backbone、Optimizer 或 Data Loader 进行底层代码级优化的能力。\n- 韧性与协作能力 — 具备在高度不确定性环境下解决复杂问题的韧性；能够与 Infra 团队进行跨学科的高效沟通，共同推进极具挑战性的工程落地。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}