腾讯推理框架研发工程师-(深圳)or(北京)or
任职要求
1.熟练掌握C/C++、Python编程语言，具备良好的coding和调试能力； 2.熟悉主流大模型推理框架，如vllm，sglang，tensorrt-llm等，具备语言、多模态模型大规模部署和优化经验； 3.熟悉并行策略，如数据并行、流水线并行等，熟悉NVLINK、GPU RDMA通信者优先； 4.熟悉各类深度学习网络和算子底层实现细节，有实操经验优先； 5.熟悉主流开源模型及其架构特点，具备针对不同模型进…
工作职责
1.研发及优化大模型推理引擎、PD分离推理调度系统，提升大规模分布式推理系统的整体效率； 2.支持主流GPU和异构AI芯片，优化大模型推理性能，打造极致性能成本优势。
岗位职责： 1、负责大物流供应链场景下的决策智能体的研发。覆盖网络规划、资源规划、产品规划等核心业务，设计并训练具备复杂逻辑推理、任务规划及决策能力的AI智能体底盘； 2、基于 AutoGen 或 LangGraph 框架，设计和实现多智能体（Agent）系统，支持 Agent-to-Agent 协作，探索大模型在决策优化领域的应用。优化 Agent 的推理链路和交互效率，提升系统的稳定性与可扩展性。 3、与产品、业务、工程等团队紧密协作，将AI智能体与现有运筹算法、业务规则相结合，构建具备思考-规划-行动能力的智能体系统，解决实际业务中的高难度决策问题，确保模型落地后的业务价值； 4、跟踪AI及决策智能领域的前沿技术动态（如思维链CoT、RAG、智能体框架等），结合物流供应链的业务痛点，探索LLM+OR（运筹学）等创新技术方案，推动技术边界的拓展。
1、负责大物流供应链场景下的决策智能体的研发。覆盖网络规划、资源规划、产品规划等核心业务，设计并训练具备复杂逻辑推理、任务规划及决策能力的AI智能体底盘； 2、基于 AutoGen 或 LangGraph 框架，设计和实现多智能体（Agent）系统，支持 Agent-to-Agent 协作，探索大模型在决策优化领域的应用。优化 Agent 的推理链路和交互效率，提升系统的稳定性与可扩展性。 3、与产品、业务、工程等团队紧密协作，将AI智能体与现有运筹算法、业务规则相结合，构建具备思考-规划-行动能力的智能体系统，解决实际业务中的高难度决策问题，确保模型落地后的业务价值； 4、跟踪AI及决策智能领域的前沿技术动态（如思维链CoT、RAG、智能体框架等），结合物流供应链的业务痛点，探索LLM+OR（运筹学）等创新技术方案，推动技术边界的拓展。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。