腾讯异构计算研发工程师-广告模型平台
任职要求
1.熟悉Linux开发环境，良好的系统编程、数据结构、算法基础、熟悉C++语言开发； 2.熟悉常见的后台服务性能优化手段，具有服务内存，CPU等方面调优经历； 3.熟悉CUDA等异构硬件开发技术栈，有相关性能优化或TensorRT、…
工作职责
1.负责广告等业务中稀疏大模型，稠密大模型的异构推理架构优化，提升服务性能，降低业务成本； 2.负责广告等业务中GPU算子，计算图编译优化等业务开发，支撑业务迭代升级； 3.积极跟进GPU等异构硬件的业内前沿技术，持续完善异构推理加速框架。
阿里资产技术团队负责建设全球领先的网络资产处置平台，承载司法拍卖、破产处置、珍品交易等多个市场体量巨大的业务，应对海量用户、巨量资金带来的复杂大型互联网系统架构。 1. 复杂场景下的智能算法构建： ○ 负责商品拍卖场景的搜索推荐系统优化，包括基于用户行为的长短期兴趣建模，设计多目标排序策略（精准推荐/惊喜度平衡），解决新品冷启动、多样性打散等业务难题； ○ 构建亿级商品知识体系，研发基于大模型的商品结构化分析、同品识别、属性纠错等多模态商品分析解决方案； ○ 开发基于时序特征的成交价与拍下率预测系统，提升拍卖定价策略的合理性。 2. 前沿算法探索和落地，LLM/GNN/多模态等前沿技术在搜推场景的应用落地，包括： ○ 基于用户意图理解的生成式推荐范式； ○ 图神经网络在异构图谱中的关系挖掘； ○ 基于大模型的知识增强的多模态商品表征。 3. 算法数据闭环建设： ○ 设计科学的效果评估体系，构建AB实验、因果推断与归因分析的全链路验证机制； ○ 推动算法成果转化为关键业务指标的提升（GMV/LTV/用户时长等）。 我们提供： ○ 参与核心系统的架构设计机会； ○ 行业领先的GPU算力集群与数据资源支持； ○ 与顶尖算法团队共同探索搜索推荐技术前沿领域的创新突破。
1、 研发业界领先的分布式深度学习训练框架，提供面向大规模稀疏数据的解决方案，服务于快手内部所有推荐类业务场景，包括 短视频、海外、广告、电商、直播等； 2、 多样的业务形态和庞大的业务规模 使得 框架的开发与优化 极富挑战性：万量级 GPU 卡，千亿量级样本，万亿量级参数，PB 量级训练数据； 3、工作内容包括但不限于： （1）参数服务器； （2）多机多卡分布式； （3）网络通信优化（以太网，RDMA)； （4）GPU 优化（Kernel 优化，编译优化 等）； （5）框架原生化（Tensorflow，PyTorch）。
1.负责美团搜索排序算法以及流量调控系统模型的优化升级，包括序列生成式重排、异构排序、端智能排序、销量预估、量价模型等； 2.负责研究和应用前沿的算法技术，不断优化搜索算法，提高搜索结果的精准度； 3.负责与产品、运营团队紧密合作，根据业务需求调整和优化搜索算法，提升产品的竞争力。
1、负责商业增值的算法工程相关工作，建设机器学习Pipeline，提升算法迭代效率，统一机器学习的开发和部署，以标准化过程生产高性能模型，持续交付； 2、负责在线推理的优化工作，建设CPU+GPU的异构架构，解决大规模模型推理等问题，并能跟随模型的迭代持续进行编译优化，提升优化的普适性以及对新硬件的覆盖能力； 3、负责特征平台的优化升级工作，提升数据生产效率，实现算法场景下数据价值加速流通和赋能提效，并优化在线特征读取性能，且能前瞻性的看到新技术，结合实际场景预判引入； 4、负责算法迭代日常需求沟通，支撑算法生命周期的全链路迭代，理解算法需求的同时可以通用化的进行抽象，提升平台能力面对相似场景的复用性。 5、负责LLM推理引擎优化，基于业界先进经验设计开发及优化LLM推理框架。 6、负责高性能算子开发和优化，针对Transformer等结构，通过指令级、内存访问优化等手段，提升算子性能，充分利用硬件能力。 7、负责跟随业界LLM新技术，并赋能到业务中。