主分类：AI训练推理与计算优化
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": "VLA训练infra算法工程师 - XiaomiRobotics",
"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. 基于 PyTorch 生态（FSDP / DeepSpeed / Megatron 等）设计并实现 VLA 模型的分布式训练方案（DP / TP / PP / MoE），构建稳定高效的训练框架\n2. 推动混合精度（BF16 / FP8）与算子融合（FlashAttention / Triton kernel）\n3. 构建高吞吐数据pipeline，设计数据格式与 shard 策略，实现高效的数据加载\n4. 支持大规模实验追踪、管理、指标可视化",
"requirements_text": "1. 扎实的 Python / C++ 基础，熟悉 Linux 系统\n2. 深入理解 PyTorch 分布式训练， 熟悉至少一种分布式训练优化框架（FSDP / DeepSpeed / Megatron）\n3. 深入理解 GPU / CPU / 内存 / 网络 基本原理\n4. 有大规模训练经验\n\n加分项\n1. 有 多模态 / VLA / 机器人 / 自动驾驶 大规模训练经验\n2. 熟悉 NCCL / RDMA / InfiniBand 调优\n3. 有自定义 CUDA / Triton kernel 经验",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"CUDA"
],
"preferred_qualifications": "加分项",
"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/7623976699592067354/detail"
}
]
},
"posting": {
"posting_id": "7623976699592067354",
"post_date": "2026-04-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7623976699592067354/detail"
},
"fulltext": "VLA训练infra算法工程师 - XiaomiRobotics\n职位描述\n1. 基于 PyTorch 生态（FSDP / DeepSpeed / Megatron 等）设计并实现 VLA 模型的分布式训练方案（DP / TP / PP / MoE），构建稳定高效的训练框架\n2. 推动混合精度（BF16 / FP8）与算子融合（FlashAttention / Triton kernel）\n3. 构建高吞吐数据pipeline，设计数据格式与 shard 策略，实现高效的数据加载\n4. 支持大规模实验追踪、管理、指标可视化\n\n职位要求\n1. 扎实的 Python / C++ 基础，熟悉 Linux 系统\n2. 深入理解 PyTorch 分布式训练， 熟悉至少一种分布式训练优化框架（FSDP / DeepSpeed / Megatron）\n3. 深入理解 GPU / CPU / 内存 / 网络 基本原理\n4. 有大规模训练经验\n\n加分项\n1. 有 多模态 / VLA / 机器人 / 自动驾驶 大规模训练经验\n2. 熟悉 NCCL / RDMA / InfiniBand 调优\n3. 有自定义 CUDA / Triton kernel 经验\n1. 基于 PyTorch 生态（FSDP / DeepSpeed / Megatron 等）设计并实现 VLA 模型的分布式训练方案（DP / TP / PP / MoE），构建稳定高效的训练框架\n2. 推动混合精度（BF16 / FP8）与算子融合（FlashAttention / Triton kernel）\n3. 构建高吞吐数据pipeline，设计数据格式与 shard 策略，实现高效的数据加载\n4. 支持大规模实验追踪、管理、指标可视化\n1. 扎实的 Python / C++ 基础，熟悉 Linux 系统\n2. 深入理解 PyTorch 分布式训练， 熟悉至少一种分布式训练优化框架（FSDP / DeepSpeed / Megatron）\n3. 深入理解 GPU / CPU / 内存 / 网络 基本原理\n4. 有大规模训练经验\n\n加分项\n1. 有 多模态 / VLA / 机器人 / 自动驾驶 大规模训练经验\n2. 熟悉 NCCL / RDMA / InfiniBand 调优\n3. 有自定义 CUDA / Triton kernel 经验",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}