滴滴后端专家工程师-广告投放(J250415010)
任职要求
1. 本科及以上学历，计算机相关专业 2. 扎实的数据和算法基础，强悍优秀的代码能力，至少熟悉一门开发语言，包括但不限于 Go/PHP/JAVA; 3. 对于复杂业务抽象，高并发服务设计和实现有经验，对分布式系统有自己的理解 4. 良好的沟通和团队协作能力，主动性和自驱能力强，愿意跳出舒适区推动技术方案、业务场景的…
工作职责
部门负责滴滴站外广告投放业务和站内增长策略业务的建设。在投放业务上面向集团承接了网约车、顺风车，青桔，代驾等核心业务线，对接了市面上绝大部分主流媒体，承载了全公司最高的qps；在站内增长策略业务上面向算法，负责营销增长相关算法策略落地，对于业务效率持续优化至关重要。在业务场景逐渐深化和复杂化的过程中，系统并不断迎接很大的技术挑战，加入我们，实现个人和团队共同成长。 岗位职责： 1、负责广告业务系统后台研发工作，设计与实现高可用的广告投放系统，承载高并发、低延迟的广告投放架构需求，包括业务的架构设计、开发，控制复杂度，提升系统性能和研发效率; 2、持续重构和优化广告定向、召回、排序、竞价等关键策略和模块的工程实现，保障业务快速发展 3、有业务 sense，通过不断的技术研究和创新，与产品、运营一起快速迭代提升业务的核心数据。
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。
中台稠密引擎组，是小红书负责建设通用深度学习训练推理引擎的团队，面向全公司LLM、多模态LLM、SD、传统CV&NLP等稠密计算型模型训练与推理的业务场景，打造高效、易用、业界领先的训练与推理引擎，为小红书社区、商业化、安全等众多业务方向提供先进的引擎能力，支撑业务持续提升训练推理效率、模型迭代效率与算法研发效率。 1、参与设计和实现深度学习后训练及微调的前沿算法（包括但不限于RFT、RLHF等），以适应多样化的业务场景； 2、结合业务数据和场景，评估选择最适合的微调算法，以支撑业务大语言模型（LLM）微调指标的提升； 3、与数据团队紧密合作，深入理解数据特性，参与设计实现数据提质算法引擎工具，产出高质量数据集提升模型微调效果； 4、与公司内各算法团队深度合作，参与或负责大语言模型、多模态大模型等业务场景的后训练端到端效果提升及落地； 5、密切关注业界 LLM 微调算法和数据提质领域的前沿论文，并整合新技术和算法到训练引擎中，提升框架的领先性；
1、负责模型训练平台核心功能开发和架构设计，包括传统CN/NLP/SD/LLM等多场景支持 2、负责大模型后训练工具平台化建设，包括后预训练、微调、对齐等技术落地 3、设计和实现高性能分布式训练系统，打造端到端训练解决方案 4、优化训练调度和资源管理，提升集群利用率和训练效率 5、开发模型训练监控诊断工具，建设可观测性体系
【职位描述】 1、设计和实现机器学习平台业务系统, 包括工具链/组件等AI基础设施, 落地业务功能需求； 2、高效优化和部署 计算机视觉、语音识别、语音合成、自然语言处理 等业务模型； 3、与公司各算法部门深度合作, 分析业务性能瓶颈和系统架构特征, 软硬件结合优化, 实现极致性能。