职位描述：
1、承担自动驾驶感知算法、规控算法研发工作，包括感知算法、网络结构深度优化、训练流程加速、模型量化压缩等，为业务团队精心打造并提供高效的训练部署最优方案与实践经验，助力业务高效推进。
2、模型轻量化结构的创新设计与性能雕琢，研发在效果、模型大小、计算量以及功耗等综合性能方面均位居业界前列的预训练模型。
3、投入模型加速领域的研发，涵盖模型量化、模型压缩、模型剪枝、模型蒸馏、网络架构搜索与创新设计等关键方向，确保模型在效果与运行速度上达到最佳平衡，满足车端需求。
4、开展模型架构的深度探索，包括但不限于Scaling Law、MoE、Transformer、高效训推框架以及基座模型训练等前沿领域，开拓技术边界，为自动驾驶技术突破提供核心支持 。
职位要求：
1、熟悉主流自动驾驶感知算法，熟悉CNN，Transformer以及优化架构原理
2、有AutoML、模型量化，蒸馏等相关经验
3、熟悉Python开发、算法和数据结构
4、具备扎实的研发功底，有在相关领域（IJCV、PAMI、CVPR、ICCV、ECCV、NIPS、AAAI 等）发表论文者优先；或在相关领域竞赛（ImageNet、COCO、Kitti、Waymo、nuScenes等等）中取得较好成绩者优先。
招聘部门：
小米
工作地点：
北京市 ID：A252099
面试建议：
小米自动驾驶算法优化工程师这个职位非常注重候选人在AI模型优化方面的综合能力，特别是针对自动驾驶场景的特殊需求。从职位描述可以看出，公司不仅需要你掌握基础的感知算法，更重要的是要具备将大型模型优化到适合车端部署的能力。这包括模型量化、剪枝、蒸馏等各种优化技术，以及轻量化结构的创新设计能力。 在准备面试时，你需要重点准备三个方面：一是自动驾驶感知算法的基础知识，特别是CNN和Transformer在自动驾驶中的应用；二是模型优化的实战经验，最好能准备几个具体的案例，说明你是如何优化模型性能的；三是前沿技术的理解，特别是Scaling Law、MoE等新兴方向。建议你梳理过往项目经验，突出你在模型优化方面的贡献，同时准备一些技术难题的解决思路。如果有发表过相关论文或在竞赛中取得过成绩，一定要重点准备这部分内容。