小米 – 算法优化工程师 职位分析和面试指导

职位描述：

工作职责：
1. 负责端侧大模型在手机芯片平台部署及性能优化
2. 参与预研和开发业界领先的量化方法(PTQ/QAT), 实现低比特量化方案端侧落地
3. 参与预研和开发大模型推理加速技术，包括KV Cache, 投机采样，MTP等方案
4. 参与CPU/GPU/NPU异构加速算法的研究

职位要求：

任职要求：
1. 硕士及以上学历，人工智能、计算机科学、电子、信息工程、机器人等专业；
2. 熟练使用C++/python；
3. 对大模型加速优化方案有深入了解，对投机采样，GQA，MOE，LoRA量化等技术有开发与优化经验者优先。
4. 有TFlite (Micro)，NCNN，SNPE/QNN，EAI，NeuroPilot等移动端深度学习框架开发经验者优先；
5. 熟悉模型量化方法，掌握蒸馏、剪枝、NAS等模型优化手段。
6. 熟悉CPU/DSP/GPU等硬件平台的算子加速。

招聘部门：

小米

工作地点：

深圳市 ID：A75428

面试建议：

这个算法优化工程师职位聚焦于端侧大模型的部署与加速，是当前AI落地的核心技术难点。小米作为手机厂商，特别强调在手机芯片平台上的优化能力，这要求候选人不仅要懂算法原理，更需要具备将算法适配到移动端硬件的能力。面试官会重点考察你对量化、蒸馏等模型压缩技术的实战经验，以及对异构计算架构的深入理解。 建议你在面试前重点准备三个方向：首先梳理大模型推理加速的核心技术栈，包括你使用过的KV Cache优化或投机采样等方案的具体案例；其次要准备移动端框架的调优经验，比如如何解决TFlite在特定芯片上的性能瓶颈；最后要展示硬件层面的知识储备，例如不同计算单元(DSP/NPU)的特性差异及优化策略。记得用STAR法则描述项目经历，突出你在资源受限环境下实现性能突破的具体贡献。