百度搜索算法工程师（J86914）
任职要求
-教育背景：计算机科学、人工智能、机器学习、数据科学等相关领域的硕士或博士学位 -技术技能：熟悉大模型（如GPT、BERT等）的原理和应用，具备相关项目经验；精通自然语言处理（NLP）、深度学习、机器学习等技术，具备丰富的算法设计和优化经验；熟悉搜索排序算法、检索增强技术、用户意图理解等相关领域；熟练掌握Python、C++等编程语言…
工作职责
-搜索首位智能化结果优化，负责搜索首位结果的智能化优化，提升搜索结果的相关性和用户满意度 -利用大模型技术，优化搜索首位答案效果，确保首位结果能够精准匹配用户需求 -用户需求理解与延展满足：通过自然语言处理（NLP）和深度学习技术，深入理解用户搜索意图，提升搜索结果的精准度；探索用户需求的延展满足，提供超出用户预期的搜索结果，提升用户粘性 -检索增强与模型优化，结合大模型技术，优化检索算法，提升搜索效率和准确性，探索基于大模型的检索增强技术，提升搜索结果的相关性和多样性 -算法研究与创新，跟踪学术界和工业界的最新进展，探索前沿算法在搜索领域的应用；设计和实现创新的搜索策略算法，推动搜索技术的持续进步 -跨团队协作：与产品经理、数据科学家、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并产生实际业务价值
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。
【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。
1、负责搜索C端业务需求的研发与实现； 2、负责搜索业务基础架构模块的升级与维护，提升搜索产品研发效率； 3、负责搜索容器产品及平台的的底层核心服务能力建设，借助云原生相关技术提升搜索引擎系统的平台化程度，实现搜索引擎的产品化； 4、负责搜索各类平台系统间的整体优化与整合，提升平台系统的稳定性/通用性/研发与使用效率。
1、参与快手大规模深度学习推理框架的研发与优化，保障在线系统的高可用/高并发，为快手搜索数亿用户提供高效稳定的算力输出； 2、负责快手搜索模型推理优化工作，优化模型推理性能，高吞吐低延时支撑模型推理服务； 3、 支持大模型在搜索场景落地的相关模型优化，包括不局限于AI检索，Query改写等。