携程场景金融拿去花反欺诈策略分析师(MJ026729)
任职要求
1. 有较好的量化分析的技能，数学、统计学、金融、计算机等专业优先。 2. 2年以上消费信贷风险工作经验，信用卡，个人信贷业务风险管理从业背景尤佳； 3. 熟悉python、sql等数据分析常用软件。 4. 熟悉决策树、逻辑回归、聚类、判别分析、因子分析等常用数据挖掘算法和统计分析建模方法， 对于贷前或贷中全周期风险策略制定及管理有一定的经验。 5. 极强的责任心、学习能力、沟通协作能力。 场景金融拿去花反欺诈策略分析师： “拿去花”产品是于2015年7月上线的一款旅游类消费金融产品，支持包括携程网平台上的机票、酒店、火车票、度假旅行等消费，为用户提供最长41天免息延付和多种消费分期服务。 岗位描述： 负责拿去花产品新、老户反欺诈核身策略工作，岗位内容包括： 协同拿去花产品…
工作职责
场景金融拿去花反欺诈策略分析师： “拿去花”产品是于2015年7月上线的一款旅游类消费金融产品，支持包括携程网平台上的机票、酒店、火车票、度假旅行等消费，为用户提供最长41天免息延付和多种消费分期服务。 岗位描述： 负责拿去花产品新、老户反欺诈核身策略工作，岗位内容包括： 协同拿去花产品在各类产品新功能中差异化核身策略； 平衡用户体验、合规要求等优化核身策略； 针对二次号、电信诈骗、人脸攻击等风险类型定制差异化策略； 科学地设计测试方案，为策略下一步优化提供依据，同时指导业务的下一步开展。 高效优质的完成策略部署上线； 对消费金融行业、监管政策等具有一定了解。
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。
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。
【业务介绍】 我们是小红书内稠密类模型（LLM/MLLM/SD/CV/NLP）统一的AI平台QuickSilver，负责调度公司内所有稠密类模型训练与推理资源，基于自建的训推引擎，为公司所有AI算法同学迭代业务模型提供端到端一站式AI服务；包括数据管理，模型管理，模型训练、压缩、推理、部署，服务管理，资源调度等一系列能力。 工作职责： 1、负责稠密类模型训练推理开发平台的架构设计和核心功能研发 2、设计和实现大模型训练部署流程，包括模型fine-tuning、推理服务化等 3、构建云原生架构，设计高可用、高性能的微服务体系 4、优化平台性能，提升系统稳定性和可扩展性
【职位介绍】 我们团队负责构建小红书推荐算法中台，提高内容分发效率，为海量用户提供极致的推荐体验。在这里，你将参与到推荐系统的全链路搭建和各类算法的研发，包括不限于大模型应用、多模态建模、深度学习、强化学习、迁移学习、表示学习、图学习等领域。我们希望对推荐、搜索、广告感兴趣的同学，加入我们一起研发世界一流的推荐引擎。 1. 负责推荐算法中台的全链路建设，抽象业务共性，敏捷高效支持各类推荐需求。 2. 负责业界先进推荐算法的研发和落地，包括但不限于大模型技术、多模态内容理解、召回算法、排序模型（粗精排）、长短期兴趣建模、多场景联合建模等。