腾讯混元大模型标注供应商管理（北京）
任职要求
1.能快速应对多方采购需求，及时协调工作安排，有较强的应变能力，可多线程沟通对接； 2.本科及以上学历，3年以上 AI数据/BPO供应商管理经验，熟悉标注行业痛点（如众包 vs 自建团队）。精通供应商管理全流程，掌握成本分析模型（TCO、ROI）及谈判技巧； 3.…
工作职责
1.对BPO行业管理有相关认知(有经验者优先)，熟悉供应商管理模块，包括不限于人员管理、流程管理、交付管理、风控管理等，能够对供应商日常运营管理的多个环节有洞察能力与敏感度； 2.通过供应商日常运营行为、及交付指标数据分析，大盘数据指标异常波动，能够主动发现潜在的交付管理风险，并第一时间进行供应商管理干预与流程辅导，快速纠偏； 3.完成供应商管理的上传下达工作，对上游规则、质量、平台、流程等多项管理要求及时准确的传达至供应商核心团队落地执行，并有效跟进落地全流程，能够完成闭环检查； 4.具备流程搭建能力、数据分析能力，可有效的通过供应商日常运营过程中的卡点，梳理业务链路上下游业务关系，搭建优化运营流程;通过数据多因素分析，发现交付指标间的关联关系，对关键运营环节进行优化驱动。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。
1、负责快手搜推广服务的云原生管控方向，建设云上的平台化服务管控、服务调度能力； 2、结合服务场景设计相关调度策略、智能弹性伸缩能力、潮汐混部能力，提高集群硬件利用率。
负责快手搜索系统的业务引擎架构方向，面向短视频、电商、本地、搜索增长等多业务场景构建大规模业务引擎，支持算法业务的高效迭代。具体职责包括： 1、构建面向各个搜索业务的全链路业务引擎模块，包括策略服务、统一特征服务，排序服务等，支持算法和产运的迭代需求； 2、构建面向在线引擎的全图化引擎架构，提升全链路算法迭代效率和系统优化效率； 3、构建在线混部，动态算力等技术在高可用基础上提升在线引擎算力供给； 4、探索AI智能搜索、AI对话等新业务，探索大模型在搜索的应用落地。
岗位职责 1. 全链路AI基建开发 * 构建在线模型编排（Model Orchestration）能力，优化百万核级规模模型的资源调度、稳定性治理及跨系统复用。 * 主导特征工程平台（RedFeatureStore）建设，打通离线/在线数据一致性，支持超长序列建模、高商业价值特征探索等场景。 * 设计高性能推理引擎（RankML/RetrievalML），覆盖广告粗排、精排、创意优选等核心链路，实现算力与延迟的极致优化。 2. 下一代AI技术落地 * 推动GPU推理、AI编译器优化（算子融合/自动调优）、边缘存储等技术的深度应用，提升服务性能。 * 探索LLM、RAG、Agent技术在广告场景的应用，重构创意生成、相关性建模等业务的工作流。 3. 工程效能与稳定性 * 主导C++服务框架、容器化、混部资源优化，解决高并发场景下的长尾延迟、CPU利用率等核心问题。 * 构建自动化诊断工具链，提升复杂系统的可观测性与故障恢复效率。