快手策略产品实习生（流量策略）-【商业化联盟】

1、负责快手广告商业化广告样式、包含样式优化、样式创新、样式策略等产品相关工作，提升各联盟流量场景下广告点击、转化效率； 2、分析广告预算行业市场需求和趋势，结合流量特征和用户特性，优化广告样式内容质量及用户体验，确保快手整体广告样式体验统一性； 3、跨部门协调，与行业、运营、设计、技术等团队密切合作，推动广告样式的落地和优化，实现商业目标和用户需求的平衡； 4、负责监控广告样式链路数据，分析用户与广告的交互行为数据，保持好奇、深度思考、总结人群行为特征与产品设计方法论。

1、懂产品—参与联盟商业产品优化，联盟广告链路优化及流量策略优化等方向工作； 2、会数据—针对上述工作进行各项数据分析提炼结论和优化点； 3、知业务—跟进业务重点项目需求分析和实时落地，高效推进保证项目按时交付； 4、理解、分析和挖掘用户需求，了解产品特性、结合需求与业务完成产品定位与规划； 5、组织协调各方资源，与算法、研发及运营团队紧密配合，推动并跟进产品功能实现。

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。