特斯拉北京区 - 体验店店长

THE ROLE 体验店店长是所负责区门店业务的第一负责人。我们希望他/她：理解、认同并传承公司文化，推动团队的一致愿景和目标。帮助团队融和，打造积极向上的团队文化。通过赋能、辅导、反馈等方法培养员工，推动员工深度思考，提升员工自我驱动力。负责团队梯队建设，挖掘培养新的人才，让团队有持续地成长。 职责描述 RESPONSIBILITIES 销售目标达成及门店运营 · 通过客户服务、产品知识讲解和推广来驱动业务发展，最大程度提升销售成绩。 · 很好的管理一个高效的销售顾问团队能力，使得团队能够达成优秀的销售成果以及维持活跃的潜在客户群体。 · 落实运营政策和流程来满足客户需求，同时帮助特斯拉达到销售目标。 · 负责计划、执行和跟进体验店运营任务和项目，包括但不仅限于店外市场活动及销售渠道拓展活动。 · 控制体验店成本，包括员工、供给和服务。 · 坚持按照公司流程进行产品展示和库存管理。 人才培养与发展 · 负责面试和候选人招聘，选择合适的人才帮助达成体验店的销售和交付目标。 · 管理、培训和发展员工，帮助他们持续达成公司业绩标准。 · 在当地团队实验并推广提高日常工作效率的方法，与同事及管理层分享最佳实践。 · 以积极正向、职业成熟的管理方式带领和培养团队，并且在整个团队中发挥积极正向的领导作用，促进团结向上的氛围在整个公司层面的形成。 客户体验 · 在公司内外部沟通中代表特斯拉并保持专业和负责的态度。 · 使团队能够达成交付目标以及为客户提供良好的购买及车辆交付的体验，处理好车辆购买及交付过程中发生的客户投诉管理产品专员、销售主管、交付专员。 · 鼓励销售团队积极主动的与潜在客户联系；跟进所有的销售并确保客户满意，保持良好的客户关系；管理车辆交付的过程，确保客户在交付过程中的良好体验。 · 和外部客户、外部人员,保持清晰、准确、职业、礼貌的沟通和内部同事保持良好的沟通和团队协作（包括与上下级之间；同部门、跨部门；同门店、跨门店；同地区、跨地区之间）。 · 员工须认真学习了解公司及产品的相关知识，并通过公司内部测试，否则将不能达到正式员工的标准和要求。 · 按要求接受公司层面的各项培训，包括但不限于各类员工规章制度、商业准则、EHS、信息安全等培训，并严格遵守公司相关规章制度。 任职要求

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。

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！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。

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。