滴滴高级专家工程师-引擎策略平台(JR20260126003)
任职要求
1、本科及以上学历，8年及以上技术研发经验，3年及以上策略平台、机器学习平台、数据平台等相关架构设计与落地经验。 2、精通分布式系统架构设计，熟练掌握至少一种后端开发语言（Go/Java/Python等），具备扎实的数据库、缓存、消息队列等中间件应用与优化能力。 3、深入理解数据链路、特征工程、样本管理、模型训练与部署、策略引擎等核心模块的技术原理，有完整的一站式策略平台端到端搭建经验者优先。 4、熟悉主流机器学习框架（TensorFlow/PyTorch等）、大数据处理技术（Spark/Flink等），常用的策略算法逻辑，能结合业务场景优化平台技术方案。 5、具备优秀的架构设计思维与系统性思考能力，能结合业务发展规划平台中长期技术路线，平衡技术先进性与业务实用性。 6、良好的跨团队沟通协调能力与项目管理能力，能有效联动算法、业务、运维等多团队推进项目落地，具备较强的目标感与执行力。 7、…
工作职责
1、负责网约车交易市场一站式智能策略平台的整体架构设计、搭建与落地；推动数据、特征工程、样本管理、机器学习、策略引擎、实验评估等能力的全域打通，构建一体化策略研发底座，标准化、工程化的策略研发与迭代体系，适配交易市场多业务场景的策略研发需求； 2、保障策略平台的稳定性和迭代效率，通过技术架构优化、流程标准化、工具能力升级，系统性提升算法策略的研发效率、上线速度与迭代质量，支撑业务策略快速落地与效果迭代，保障策略全生命周期的高效管理与稳定运行； 3、联动算法、工程、业务等相关团队，精准对齐策略平台建设需求，推动策略平台的应用落地与持续优化，输出策略平台使用指南与技术支持，提升团队平台使用效率； 4、持续优化策略迭代流程，通过工具化、自动化、智能化能力建设，降低算法研发与策略落地的工程成本，解决平台运行中的核心技术瓶颈； 5、跟踪行业前沿技术与策略平台建设趋势（如大模型与策略平台融合、自动化机器学习等），引入适配业务的技术方案，推动策略平台技术能力持续领先；
1. 多模态/世界模型训推架构：负责万亿参数多模态理解、多模态生成模型、世界模型分布式训推框架的设计和实现。通过5D并行策略、细粒度显存优化、通信计算Overlap等手段，实现多模态场景高效的预训练/后训练Pipeline。 2. 模型联合的深度算子优化：结合多模态理解生成场景，通过算子融合，定制Attention、MoE等算子，并达到SOTA的训推MFU。 3. 模型加速工程：使用蒸馏、量化、剪支等加速技术，在AIGC、实时生成等场景达到极致的模型效果-性能平衡点。 4. AI创新应用落地支撑：作为算力基座的核心支撑，支持行业顶尖的多模态生成模型在 AI 创新应用场景的业务落地，解决工业级大模型训练中的迭代基建问题，确保模型从训练到应用的顺畅衔接。
1. 超大规模训练架构：负责百亿至万亿参数模型的分布式训练架构设计与演进。针对数千卡 GPU 互联场景，通过自顶向下的性能分析，利用 5D 并行以及通信优化策略，消除大规模分布式训练瓶颈，提升训练效率和线性加速比。 2. 极致性能优化与算子开发：深入软硬协同层，通过手写 CUDA / Triton 算子、算子融合及 XLA / MLIR 等编译优化技术，挖掘 GPU 硬件极致算力，打造一流的执行引擎，追求业界SOTA的 MFU。 3. 训练框架演进：结合前沿的大语言模型（LLM）与多模态模型结构，协同算法团队进行框架级优化（如 Checkpointing、显存优化、Overlap 通信掩盖），优化单位算力的模型效果。 4. AI 创新应用落地支撑：作为算力基座的核心支撑，支持行业顶尖的 GPT、AIGC、多模态模型在 AI 创新应用场景的业务落地，解决实际业务中的大规模与稳定性挑战，确保模型从训练到应用的顺畅衔接。
1. 负责模型训练场景中高性能计算Pipeline的实现，通过访存算子优化、算子融合、MoE/Attention算子定制，实现精细化显存管理、最大化计算/访存效率。 2. 负责结合大语言模型、多模态理解生成模型、Agentic RL等场景的模型训练需求进行算子设计，实现模型-Infra的Co-Design。 3. 负责世界模型、实时生成交互等场景的高性能低延迟算子设计和实现，满足模型加速上线的需求。 4. 使用专业的Profiling工具和手段，对大模型训练的端到端性能进行分析，精准定位Kernel执行、数据搬运、通信等环节的瓶颈，并提出体系化的优化方案。 5. 跟进业界SOTA的高性能计算工作，调研并实施异构硬件在超大规模训练场景的落地方案。
1. 超大规模训练架构：负责百亿至万亿参数模型的分布式训练架构设计与演进。针对数千卡 GPU 互联场景，通过自顶向下的性能分析，利用 5D 并行以及通信优化策略，消除大规模分布式训练瓶颈，提升训练效率和线性加速比。 2. 极致性能优化与算子开发：深入软硬协同层，通过手写 CUDA / Triton 算子、算子融合及 XLA / MLIR 等编译优化技术，挖掘 GPU 硬件极致算力，打造一流的执行引擎，追求业界SOTA的 MFU。 3. 训练框架演进：结合前沿的大语言模型（LLM）与多模态模型结构，协同算法团队进行框架级优化（如 Checkpointing、显存优化、Overlap 通信掩盖），优化单位算力的模型效果。 4. AI 创新应用落地支撑：作为算力基座的核心支撑，支持行业顶尖的 GPT、AIGC、多模态模型在 AI 创新应用场景的业务落地，解决实际业务中的大规模与稳定性挑战，确保模型从训练到应用的顺畅衔接。