小米
顶尖应届-AI智能软件开发系统研究工程师-软件
顶尖应届-AI智能软件开发系统研究工程师-软件
发布于 大约 16 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
博士
研究与开发 (研发)
强化学习
RAG
LLM
代码生成
静态分析
代码检索
多智能体框架
AI 估算 · 30k–50k
小米作为上市大厂，顶尖应届博士薪资有竞争力，叠加AI方向稀缺性，预估月薪3-5万，14薪。
职位详情
关于这个职位
这是一个面向顶尖应届博士的AI软件工程研究岗位，属于小米核心研发团队
你将专注于研发下一代AI驱动的软件工程范式，包括构建智能编程系统、设计多智能体框架、开发代码检索增强生成系统等
该岗位要求扎实的LLM和代码大模型研究背景，适合希望在AI+软件工程前沿领域深耕的研究型人才
最低要求
计算机科学、软件工程、人工智能等相关领域博士
研究方向与代码大模型、程序分析、AI软件工程强相关（需提供顶会论文或学位论文佐证）
熟练掌握Transformer架构及大模型训练技术（预训练/微调/RLHF），有实际参与LLM研发经验
精通Python/C++，具备大型代码库（10万行+）的工程实践或分析经验
深入理解软件开发生命周期（需求分析→架构设计→测试部署）
具备独立设计实验、量化评估模型性能的科研方法论
对AI前沿技术有浓厚兴趣，具备优秀的快速学习能力和创新性思维
熟悉程序分析（静态分析/符号执行）、编译器原理等基础理论
对代码检索、知识图谱、Agent协作等至少一个方向有深入研究
工作职责
研发下一代AI驱动的软件工程范式
构建面向移动端及嵌入式OS的智能编程系统，探索LLM在代码生成、架构设计、静态分析及测试用例生成等全流程的自治能力
研发智能编程辅助系统，实现需求文档→技术方案→代码实现→测试验证的端到端闭环开发
构建软件工程Agent体系架构
设计具有记忆、规划与工具调用能力的多智能体框架，实现复杂功能开发的自主决策与执行
开发基于强化学习的Agent协作机制，优化代码质量、构建成功率等核心指标
研发超大规模代码检索增强生成系统
设计高效的多粒度代码索引结构与语义检索框架，实现亿级代码片段的高精准召回与排序
研发代码知识库与LLM深度融合的混合检索技术，提升复杂项目上下文理解与跨文件依赖分析能力
微调和评估软件工程领域专用模型
针对IDE补全、对话等场景微调专用小参数大模型，提升代码生成率
评估大模型在特定软件工程领域的能力，针对具体研发场景选择适合的模型
前沿技术探索与专利布局
跟踪代码大模型、程序分析、AI软件工程等领域国际顶会（ICSE/PLDI/NeurIPS等）最新进展
主导技术创新点的专利撰写与学术论文产出
AI 洞察
优缺点分析
优点
- 小米作为大厂，平台资源丰富，能接触亿级代码库和海量真实场景
- AI软件工程是前沿方向，技术壁垒高，成长空间大
- 团队鼓励学术创新，有充足机会发表顶会论文和申请专利
- 对专业背景要求极高，需要博士学历和强相关研究经历，竞争激烈
- 工作涉及多个复杂系统（LLM、Agent、RAG），跨领域要求高
- 适合拥有计算机博士学历、在代码大模型或AI软件工程方向有深入研究，且渴望在工业界前沿技术领域持续突破的应届毕业生
缺点 / 挑战
- 技术迭代快，需要持续跟踪前沿进展，学习压力大
角色解读
- 成为AI软件工程领域的专家，内部晋升为技术专家或研究员
- 主导核心技术创新，产出顶会论文和专利，提升行业影响力
- 未来可转向AI平台架构师或研究方向的技术管理岗位
- 研发基于LLM的智能编程系统，重点探索代码生成、架构设计和测试用例生成的自动化能力
- 构建多智能体框架，让Agent具备记忆、规划和工具调用能力，自主完成复杂开发任务
- 设计和优化超大规模代码检索系统，提升亿级代码库的召回和排序精度
- 针对IDE补全等场景微调专用模型，并评估大模型在软件工程领域的能力
- 扎实的LLM和Transformer架构知识，熟悉预训练、微调和RLHF技术
- 精通Python和C++，具备大型代码库工程实践或分析经验
- 深入理解软件开发生命周期，熟悉程序分析、编译器原理等基础理论
- 在代码检索、知识图谱或Agent协作等方向有深入研究
申请策略
- 在简历和面试中展示独立设计实验和量化评估的能力，面试可能会涉及研究项目深挖
- 了解小米在AI软件工程方面的布局，比如MIUI智能开发工具等，表达兴趣
- 突出与代码大模型、程序分析、AI软件工程强相关的顶会论文或学位论文
- 强调参与LLM实际研发的经验，包括预训练、微调、RLHF等具体项目
- 展示大型代码库工程实践或分析经验，例如处理过10万行+代码
- 列出熟悉的工具和框架，如Python/C++、Transformer库、代码分析工具等
- 如果对Agent协作不熟，可学习相关论文和框架（如LangChain、AutoGPT）
- 强化代码检索和RAG知识，了解向量数据库和语义检索技术
面试指南
- 结构化回答：先介绍背景，然后分点阐述方法，最后总结创新和效果
- 结合具体研究项目或论文案例，用数据说话，避免空泛
- 展现批判性思维：既肯定现有技术优点，也指出不足并提出改进思路
- 请介绍你的博士研究，特别是与代码大模型相关的创新点
- 如何设计一个基于LLM的代码生成Agent？请描述架构和关键技术
- 如何在亿级代码库中实现高精准的代码检索？你会采用什么索引和排序策略？
- 对当前LLM在软件工程领域的局限性有什么看法？如何改进？
- 你参与过的大模型微调项目？如何评估微调效果？
匹配度报告
70
综合匹配度
小米顶尖博士岗，技术前沿、成长空间大，但北京现场办公、工作强度未知，适合追求学术和技术的应届博士。
适合人群
该职位最适合发展动机极强的求职者，追求技术前沿、学术成长和行业影响力，对生活方式要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展95
工作生活40
使命价值75
薪资福利匹配
70中等
小米上市大厂，薪资具有竞争力，但JD未明确具体数字和福利，且北京生活成本较高，补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
95较高
该职位处于AI+软件工程最前沿，技术栈非常前沿（LLM、Agent、RAG），且有学术产出机会，发展性动机满足程度极高。
技术前沿前沿/新兴技术
技术栈LLM、Transformer、RLHF、代码生成、多智能体框架、RAG、程序分析
成长机会专利撰写、学术论文产出
业务类型profit_center
工作生活匹配
40较低
北京现场办公，JD未提及弹性工作或WLB，互联网大厂研发岗位通常工作强度较大，生活化动机满足程度有限。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
75中等
AI软件工程对提升开发者生产力有积极社会价值，小米作为消费电子巨头，产品影响广泛，但JD未特别强调使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs