滴滴算法专家工程师(J230221006)
任职要求
1. 机器学习、计算机相关专业，对机器学习常用的分类及排序算法有深入理解 2. 在搜索/推荐/广告/画像等方面有实际经验优先 3. 热衷了解和实战业界前沿技术，研究最新国际顶级会议和期刊的相关论文，有顶会背景或ACM／MCM／知名机器学习竞赛中名次者为优 4. 严密的逻辑推导能力，清晰的表达能力，敏锐的业务sense 5. 熟悉python…
工作职责
这里是滴滴核心的算法团队-用户增长算法，致力于打造集团内部的全域营销平台，负责站外全网用户触达、站内流量分发、全网用户画像建设，以及创新业务算法支持等增长类算法研发。团队肩负集团增长类指标优化的重任，长期致力于通过构建增长类算法与系统建设，沉淀增长底层能力，持续提升投放及流量运营效率，驱动业务增长，创造更多用户价值。 【职位描述】： 1. 负责全网触达能力建设和优化，包括付费渠道(DSP/RTA)和免费渠道，聚焦在oCPX和流量价值预估等核心算法的设计和开发，以实现业务高效增长 2. 负责用户全生命周期的设计以及LTV的预估，推动基于用户生命周期精细化运营和投放 3. 负责全渠道能力建设，探索渠道联动和序列化投放等策略在站外业务的应用 4. 负责增长算法中台的构建，支持业务的过程中沉淀增长底层能力，更高效支持业务产出
1. 基于历史数据和专家经验，基于数据分析和数据挖掘，设计针对信用卡盗刷、余额户盗用、作弊、诈骗等风险的风险策略并持续优化； 2. 体系化、系统化、全局化地设计风险管理方案，平衡支付体验和风险控制，保障业务健康可持续性地发展； 3. 与数据、产品、技术团队深度合作，建设风险引擎中台能力。
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。
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。