{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "智能座舱大模型算法工程师-汽车",
        "job_level": "校招",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": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、参与汽车舱内外场景下视觉算法与多模态大模型相关研发，支持座舱感知理解能力的训练、评测与迭代；\n2、参与计算机视觉相关算法的设计与实现，包括目标检测、分类、分割、跟踪、人脸/人体理解、行为识别等方向的模型训练与效果优化；\n3、参与视觉模型在车载场景下的工程化验证与部署支持，协助完成模型转换、推理性能分析、端侧适配和问题定位；\n4、与产品、交互、硬件、测试及工程团队协作，结合真实车载场景分析算法效果，推动数据、模型和策略的持续优化；\n5、跟踪计算机视觉、多模态模型、端侧部署等方向的前沿技术，参与技术方案调研、论文复现、专利总结和创新场景探索。",
        "requirements_text": "1、本科及以上学历，计算机、人工智能、自动化、电子信息、软件工程等相关专业，计算机视觉、图像处理、机器学习方向优先；\n2、熟悉 Python / C++ 中至少一种语言，了解 PyTorch、Transformers 等主流深度学习框架，对 DeepSpeed、vLLM、SGLang、TensorRT-LLM 等大模型训练/推理框架有了解者优先；\n3、熟悉计算机视觉基础算法和常见视觉任务，了解 CNN、Transformer、ViT、YOLO、CLIP、VLM、视频理解模型等视觉与多模态模型中的一种或多种；\n4、有视觉相关课程项目、科研项目、实习、竞赛或开源项目经验，方向包括但不限于目标检测、图像分类、语义分割、目标跟踪、人脸识别、行为识别、3D视觉等；\n5、了解模型训练、数据处理、数据增强、模型评测、推理加速、模型压缩或端侧部署中的一种或多种技术；\n6、对智能汽车、智能座舱、人机交互和端侧 AI 有兴趣，具备较强的学习能力、动手能力和沟通协作能力，愿意在真实产品场景中解决算法问题。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "机器学习",
            "深度学习",
            "计算机视觉",
            "模型训练",
            "学习能力",
            "大语言模型"
        ],
        "preferred_qualifications": "1、本科及以上学历，计算机、人工智能、自动化、电子信息、软件工程等相关专业，计算机视觉、图像处理、机器学习方向优先；2、熟悉 Python / C++ 中至少一种语言，了解 PyTorch、Transformers 等主流深度学习框架，对 DeepSpeed、vLLM、SGLang、TensorRT-LLM 等大模型训练/推理框架有了解者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7670924233392572735/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7670924233392572735",
        "post_date": "2026-08-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7670924233392572735/detail"
    },
    "fulltext": "智能座舱大模型算法工程师-汽车\n职位描述\n1、参与汽车舱内外场景下视觉算法与多模态大模型相关研发，支持座舱感知理解能力的训练、评测与迭代；\n2、参与计算机视觉相关算法的设计与实现，包括目标检测、分类、分割、跟踪、人脸/人体理解、行为识别等方向的模型训练与效果优化；\n3、参与视觉模型在车载场景下的工程化验证与部署支持，协助完成模型转换、推理性能分析、端侧适配和问题定位；\n4、与产品、交互、硬件、测试及工程团队协作，结合真实车载场景分析算法效果，推动数据、模型和策略的持续优化；\n5、跟踪计算机视觉、多模态模型、端侧部署等方向的前沿技术，参与技术方案调研、论文复现、专利总结和创新场景探索。\n\n职位要求\n1、本科及以上学历，计算机、人工智能、自动化、电子信息、软件工程等相关专业，计算机视觉、图像处理、机器学习方向优先；\n2、熟悉 Python / C++ 中至少一种语言，了解 PyTorch、Transformers 等主流深度学习框架，对 DeepSpeed、vLLM、SGLang、TensorRT-LLM 等大模型训练/推理框架有了解者优先；\n3、熟悉计算机视觉基础算法和常见视觉任务，了解 CNN、Transformer、ViT、YOLO、CLIP、VLM、视频理解模型等视觉与多模态模型中的一种或多种；\n4、有视觉相关课程项目、科研项目、实习、竞赛或开源项目经验，方向包括但不限于目标检测、图像分类、语义分割、目标跟踪、人脸识别、行为识别、3D视觉等；\n5、了解模型训练、数据处理、数据增强、模型评测、推理加速、模型压缩或端侧部署中的一种或多种技术；\n6、对智能汽车、智能座舱、人机交互和端侧 AI 有兴趣，具备较强的学习能力、动手能力和沟通协作能力，愿意在真实产品场景中解决算法问题。\n1、参与汽车舱内外场景下视觉算法与多模态大模型相关研发，支持座舱感知理解能力的训练、评测与迭代；\n2、参与计算机视觉相关算法的设计与实现，包括目标检测、分类、分割、跟踪、人脸/人体理解、行为识别等方向的模型训练与效果优化；\n3、参与视觉模型在车载场景下的工程化验证与部署支持，协助完成模型转换、推理性能分析、端侧适配和问题定位；\n4、与产品、交互、硬件、测试及工程团队协作，结合真实车载场景分析算法效果，推动数据、模型和策略的持续优化；\n5、跟踪计算机视觉、多模态模型、端侧部署等方向的前沿技术，参与技术方案调研、论文复现、专利总结和创新场景探索。\n1、本科及以上学历，计算机、人工智能、自动化、电子信息、软件工程等相关专业，计算机视觉、图像处理、机器学习方向优先；\n2、熟悉 Python / C++ 中至少一种语言，了解 PyTorch、Transformers 等主流深度学习框架，对 DeepSpeed、vLLM、SGLang、TensorRT-LLM 等大模型训练/推理框架有了解者优先；\n3、熟悉计算机视觉基础算法和常见视觉任务，了解 CNN、Transformer、ViT、YOLO、CLIP、VLM、视频理解模型等视觉与多模态模型中的一种或多种；\n4、有视觉相关课程项目、科研项目、实习、竞赛或开源项目经验，方向包括但不限于目标检测、图像分类、语义分割、目标跟踪、人脸识别、行为识别、3D视觉等；\n5、了解模型训练、数据处理、数据增强、模型评测、推理加速、模型压缩或端侧部署中的一种或多种技术；\n6、对智能汽车、智能座舱、人机交互和端侧 AI 有兴趣，具备较强的学习能力、动手能力和沟通协作能力，愿意在真实产品场景中解决算法问题。",
    "standard_classification": {
        "std_category_code": "T034",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}