百度大模型算法工程师（J80934）
任职要求
-具备机器学习/深度学习/自然语言处理/计算机视觉视觉的理论背景和实践经验 -熟练掌握Python编程语言以及Pytorch、Tensorflow、PaddlePaddle等其中一项深度学习开发框架 -具有较好的团队沟通合作能力、分析问题和解决问题的能力 -熟练掌握预训练模型的算法原理和实现细节、有大规模模型预训练实践经验、发表相关顶会论文者优先 -…
工作职责
-参与大规模预训练模型（文本、图像、视频）的研发工作 -探索高效的模型调优策略、高质数据建设方法，研究大模型前瞻技术和趋势 -设计、实现、优化分布式系统和并行计算框架，提升训练和推理效率 -支持大模型平台化及创新应用落地
-负责NLP算法的研发与优化，包括但不限于文本分类、文本生成、RAG、多模态大模型、大模型微调和对齐等关键技术 -与项目团队紧密合作，推进NLP技术在推荐业务中的落地应用 -跟踪并研究NLP算法的前沿技术，对现有内容理解算法进行性能分析和优化，提升算法效率和准确性 -协同团队解决项目中的技术难题，确保项目按时按质完成 -持续优化视觉算法，提升用户体验和产品竞争力
-负责百度智能云秒哒产品测试工作 -负责需求分析、测试用例设计、包括但不限于功能、性能、效果及高可用等测试维度的支持 -负责CI/CD 建设，协助提升研发效能并对产品及流程持续性提出改进建议 -负责秒哒产品、算法等测试
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。