小米 – 算法优化工程师 职位分析和面试指导

职位描述：

1.参与端侧引擎的研发工作，确保其能在各类设备上流畅运行。针对不同硬件平台，尤其是高通平台（如骁龙系列芯片，包括其 CPU、GPU、Hexagon DSP 等计算单元），进行深入的算子适配与性能优化，内存占用优化，降低功耗，减少推理延迟，全方位提升端侧推理的性能表现。
2.紧密对接高通 AI Engine Direct 等芯片厂商 SDK，深度理解其架构与功能，实现模型与高通硬件加速单元的无缝、高效协同，充分挖掘硬件潜力，提升整体计算性能。
3.支持多操作系统（如 Android、Linux RTOS 等）下推理引擎的部署与调试工作。根据不同操作系统的特性，进行针对性的优化与调整，确保引擎在各系统环境下都能稳定、高效运行。
性能调优与工具链开发
4.与算法团队密切配合，深度参与模型到端侧引擎的转换与验证工作。从工程实现的角度，为算法优化提供专业建议，确保模型在端侧的高效运行与精度保障。

职位要求：

1.对主流推理引擎（如 TensorRT、TFLite、MNN等）有深入的理解，熟悉其底层加速原理与运行机制，能够灵活运用并进行二次开发。
2.精通 C++ /C编程语言，具备扎实的编程功底与良好的代码风格，能够高效地进行复杂系统的开发与调试。深入了解硬件架构，特别是 ARM 指令集以及高通芯片（如骁龙系列）的架构特点，熟悉其 CPU、GPU、DSP 等计算单元的工作原理。熟练掌握性能分析工具（Perf、Q Profiler 等），能够通过工具准确分析性能问题并进行优化。
3.具有高通芯片厂商工具链的适配经验，熟悉高通 QNN SDK/API 的开发与运用，能够快速上手并进行深度优化。具备低精度计算（INT8/FP16）实践经验，能在保证模型精度的前提下，有效降低计算量与内存占用。
4.有大模型在端侧部署与优化的经验更佳，熟悉大模型的结构与推理过程，能够针对大模型的特点进行针对性的优化，如 KV cache 优化、预测解码技术应用等。

招聘部门：

小米

工作地点：

北京市 ID：A100346

面试建议：

小米的算法优化工程师职位聚焦于端侧AI模型的性能优化与高通芯片适配，这是当前AI落地的重要方向之一。面试官会特别关注你对高通芯片架构的深入理解，以及在实际项目中如何通过工具链优化和低精度计算提升模型性能。大模型端侧部署经验是加分项，但核心依然是扎实的工程能力和对硬件加速原理的掌握。 建议你在面试前重点复习高通芯片的架构特点，尤其是CPU、GPU和DSP的协同工作原理。准备几个具体的优化案例，展示你如何使用Perf或Q Profiler等工具发现问题并实施改进。对于算法团队协作部分，可以强调你如何平衡模型精度与推理效率的经验。如果接触过大模型优化，务必详细说明KV cache等关键技术如何帮助你突破端侧算力限制。