百度算法工程师（J82908）

-负责wise/pc AI搜索产品算法研发，方向包括：多轮意图理解、知识规划、RAG增强、LLM组织生成、DeepResearch等 -深度参与AI搜产品建设工作，通过prompt调优、sft、偏好对齐等手段不断提升体验 - 持续关注AI领域技术进展，引入前沿技术进行创新应用 -跨团队协作：跨职能团队紧密合作，确保算法方案能够有效落地

-模型能力优化：面向百度搜索业务进行基础模型优化，包括但不限于 MoE 稀疏化策略、预训练任务设计、Post-Training 任务优化，基于强化学习的推理能力增强等工作 -模型成本优化：通过优化 MoE 路由策略、Latent Attention 结构优化等手段，提升推理效率，降低部署成本 -算法研究与创新：组内工作发表于 ACL/NeurIPS/ICLR 等会议，积极跟踪学术界和工业界技术进展，设计并实现相关算法创新，推动搜索基础模型的持续进步 -跨团队协作：与数据科学家、架构工程师等跨职能团队紧密合作，确保算法方案能够有效落地

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。