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": "大模型推理优化工程师",
"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": "计算机、数学、人工智能等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 参与大模型推理优化和计算框架的设计与开发，探索提升推理效率的技术方案；\n2. 学习并应用量化、并行计算、访存优化等方法，协助优化模型推理时延和吞吐；\n3. 参与模型性能分析与调优实践，定位并解决性能瓶颈问题；\n4. 参与自动化工具和流程的开发，简化模型推理部署流程；\n5. 跟踪大模型推理领域最新研究进展，提出创新想法并推动落地。",
"requirements_text": "1. 计算机、数学、人工智能等相关专业本科及以上学历，2027届毕业生；\n2. 扎实的编程基础，熟练掌握 C++/Python，有良好的代码风格和工程习惯；\n3. 了解机器学习/深度学习基础知识，熟悉 PyTorch 等主流框架；\n4. 对大模型推理优化方向有浓厚兴趣，了解 vLLM、SGLang 等推理框架者优先；\n5. 有以下任一经验者优先：\n- 参与过开源项目或推理框架社区贡献；\n- 有 CUDA/GPU 编程、高性能计算相关实践经验（有github相关项目）；\n- 有模型量化（GPTQ/AWQ/FP8等）、算子优化、内存优化等方向的实践或研究经历；\n- 有投机采样（Speculative Decoding）、Medusa/EAGLE/MTP/DFlash 等加速解码相关经验；\n- 有强化学习（RLHF/GRPO/DPO）训练或推理相关经验；\n- 具备学术论文阅读与复现能力；\n6. 良好的学习能力、沟通能力和团队协作精神。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA",
"机器学习",
"深度学习",
"强化学习",
"团队协作",
"沟通能力",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "4. 对大模型推理优化方向有浓厚兴趣，了解 vLLM、SGLang 等推理框架者优先；5. 有以下任一经验者优先：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7677560508526725414/detail"
}
]
},
"posting": {
"posting_id": "7677560508526725414",
"post_date": "2026-08-24",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7677560508526725414/detail"
},
"fulltext": "大模型推理优化工程师\n职位描述\n1. 参与大模型推理优化和计算框架的设计与开发，探索提升推理效率的技术方案；\n2. 学习并应用量化、并行计算、访存优化等方法，协助优化模型推理时延和吞吐；\n3. 参与模型性能分析与调优实践，定位并解决性能瓶颈问题；\n4. 参与自动化工具和流程的开发，简化模型推理部署流程；\n5. 跟踪大模型推理领域最新研究进展，提出创新想法并推动落地。\n\n职位要求\n1. 计算机、数学、人工智能等相关专业本科及以上学历，2027届毕业生；\n2. 扎实的编程基础，熟练掌握 C++/Python，有良好的代码风格和工程习惯；\n3. 了解机器学习/深度学习基础知识，熟悉 PyTorch 等主流框架；\n4. 对大模型推理优化方向有浓厚兴趣，了解 vLLM、SGLang 等推理框架者优先；\n5. 有以下任一经验者优先：\n- 参与过开源项目或推理框架社区贡献；\n- 有 CUDA/GPU 编程、高性能计算相关实践经验（有github相关项目）；\n- 有模型量化（GPTQ/AWQ/FP8等）、算子优化、内存优化等方向的实践或研究经历；\n- 有投机采样（Speculative Decoding）、Medusa/EAGLE/MTP/DFlash 等加速解码相关经验；\n- 有强化学习（RLHF/GRPO/DPO）训练或推理相关经验；\n- 具备学术论文阅读与复现能力；\n6. 良好的学习能力、沟通能力和团队协作精神。\n1. 参与大模型推理优化和计算框架的设计与开发，探索提升推理效率的技术方案；\n2. 学习并应用量化、并行计算、访存优化等方法，协助优化模型推理时延和吞吐；\n3. 参与模型性能分析与调优实践，定位并解决性能瓶颈问题；\n4. 参与自动化工具和流程的开发，简化模型推理部署流程；\n5. 跟踪大模型推理领域最新研究进展，提出创新想法并推动落地。\n1. 计算机、数学、人工智能等相关专业本科及以上学历，2027届毕业生；\n2. 扎实的编程基础，熟练掌握 C++/Python，有良好的代码风格和工程习惯；\n3. 了解机器学习/深度学习基础知识，熟悉 PyTorch 等主流框架；\n4. 对大模型推理优化方向有浓厚兴趣，了解 vLLM、SGLang 等推理框架者优先；\n5. 有以下任一经验者优先：\n- 参与过开源项目或推理框架社区贡献；\n- 有 CUDA/GPU 编程、高性能计算相关实践经验（有github相关项目）；\n- 有模型量化（GPTQ/AWQ/FP8等）、算子优化、内存优化等方向的实践或研究经历；\n- 有投机采样（Speculative Decoding）、Medusa/EAGLE/MTP/DFlash 等加速解码相关经验；\n- 有强化学习（RLHF/GRPO/DPO）训练或推理相关经验；\n- 具备学术论文阅读与复现能力；\n6. 良好的学习能力、沟通能力和团队协作精神。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}