滴滴专家结构设计工程师-北京/杭州(J250715010)
任职要求
整车结构设计和智能锁零部件方向…
工作职责
招聘需求1：整车结构设计方向 岗位职责： 1. 整车研发：负责电动两轮车整车项目技术路线评估，从设计到落地全流程研发工作。 2. 重难点问题对应：承担部门内重点问题处置，系统化的问题分析方法，梳理失效模式，快速定位问题根因，并制定对策方案验证及落地计划。 3. 创新预研：从用户场景和业务需求出发，主动发现问题和创新机会点，完成整车&零部件新材料新技术预研方案。 4. 技术体系优化：完善部门内设计规范、开发流程、checklist及研发工具等技术体系建设。 6. 跨部门协作：协调内外部资源主动推进项目，作为技术端口，输出研发方向建议、风险及资源需求，结合产品需求、质量标准及成本目标制定合适的设计方案。 任职资格： 1. 有系统化的专业知识沉淀，熟悉两轮车整车参数和人机设定逻辑，掌握子系统零部件设计原理，具备结构强度件CAE仿真及优化能力，清楚开发流程及风险管控方法。 2. 具备5年以上两轮车行业工作经验，从设计到落地全流程完成过3个以上整车项目。 3. 具备3年以上技术协作管理经验，能独立完成设计任务拆解、推进计划及团队资源调配。 4. 了解两轮车整车及零部件生产工艺（如车架焊接、涂装、线上生产等），能协同解决工程工艺问题。 5. 能简明扼要清晰表达技术逻辑，高效进行跨部门沟通。 6. 在短周期、多项目并行的环境下有足够抗压能力，保持稳定高效。 ------------------------------------------------------------------------------------------------------------------------------ 招聘需求2：智能锁零部件方向 岗位职责： 1. 负责两轮车智能锁闸/头盔锁核心技术攻关，从设计、制造、测试及投后问题处理全流程工作。 2. 解决现有智能锁闸/头盔锁结构痛点问题，评估失效模式及可靠性提升方案。 3. 制定下一代智能锁技术路线，结合共享场景主导创新设计预研，构建技术壁垒，推动零部件迭代升级。 4. 把控智能锁具创新技术趋势（如新材料、新工艺、新传动结构方案），构建未来3年行业专利布局。 5. 建立智能锁闸/头盔锁的设计规范、失效库、checklist、测试标准等技术体系建设。 任职资格： 1. 全面的专业知识沉淀，精通结构动力学、疲劳分析原理，具备机械结构、电动电驱综合设计能力，系统性可靠性验证方法。 2. 具备8年以上智能锁或精密传动零部件工作经验，主导开发并量产≥3代锁闸产品。 3. 拥有相关发明专利数量≥2个；实用新型专利数量≥8个 ；或累计10个以上。 4. 熟悉精密制造工艺及尺寸链公差设定，具备锁具DFM落地经验。 5. 能简明扼要清晰表达技术逻辑，高效协同产品、供应链、质量推进项目。 6. 在短周期、多项目并行的环境下有足够抗压能力，保持稳定高效。
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。
【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。