逆向分析工程师

优缺点分析

角色解读

• 在端侧AI这一高增长领域深耕，成为推理优化专家
• 有机会向技术专家或架构师方向发展，主导端侧AI技术规划
• 跨团队合作积累软硬件协同经验，未来可转向芯片或系统级优化方向
• 负责构建与竞品对比的测试模型和KPI，量化分析AI算法流程中的性能和瓶颈
• 研究和开发端侧AI推理速度优化方法，涵盖Vision、NLP、OCR、LLM等关键技术
• 与算法团队和AI芯片团队协作，将优化成果落地到实际产品中，提升端侧AI竞争力
• 精通Python和PyTorch，具备扎实的编程和系统实现能力
• 理解AI算法和模型推理流程，熟悉性能分析和瓶颈定位方法
• 具备软硬件协同设计、编译优化或GPU/NPU编程经验者更佳
• 优秀的沟通和写作能力，能够清晰表达技术方案和研究成果

申请策略

• 在简历中强调与小米业务相关的端侧AI项目，说明你对产品化的理解
• 准备技术分享或小Demo，展示你对性能优化的热情和实战能力
• 突出端侧AI优化、模型加速或部署经验，例如量化、剪枝、知识蒸馏等
• 展示Python/PyTorch编程能力，可包含开源项目或高性能实现案例
• 强调软硬件协同设计或GPU/NPU优化经历，含具体性能提升数据
• 体现论文或技术博客等研究成果，证明研究和工程双重能力
• 深入学习推理引擎（如TFLite、ONNX Runtime）和编译优化技术（如TVM、MLIR）
• 熟悉CUDA编程或NPU架构，动手实践模型性能分析和调优

面试指南

• 采用STAR法则回答经历类问题，凸显问题、行动、结果和量化数据
• 对于技术方案类问题，先澄清需求，再分步骤分析，对比不同方案的优劣
• 结合理论与实践，用具体案例展示你的深度思考，避免空谈概念
• 请描述一次你优化模型推理速度的经历，具体用了哪些方法，收益如何？
• 如何分析一个PyTorch模型在端侧设备上的性能瓶颈？会使用哪些工具？
• 你如何理解端侧AI与云端AI的差异？在优化时需要注意什么？
• 请谈谈你对LLM在端侧部署挑战的看法，以及可能的优化方向
• 给定一个NPU编译器，你会如何设计与硬件协同的性能优化方案？