极飞科技AI算法工程师(J10930)
任职要求
1. 研究生及以上学历，计算机、数学、统计等相关专业； 2. 精通Python或C++，具备扎实的数据结构和算法基础；熟练使用深度学习框架和库（如PyTorch，TensorFlow），并具备丰富的实际应用经验； 3. 深入理解计算机视觉算法框架，精通CNN、Transformer等视觉基础处理算法，特别是在目标检测、语义分割和深度估计…
工作职责
1. 设计、开发和优化深度学习算法，特别是图像语义分割和深度感知模型，应用于实际项目中，提升模型的准确性和可靠性; 2. 负责视觉感知算法的全流程开发，包括但不限于语义感知、深度估计、目标检测、目标跟踪，以及多传感器融合感知算法的优化和部署，确保算法的高效性和鲁棒性; 3. 参与模型的量化与部署，优化模型性能，以便在边缘设备上高效运行，并与边缘计算团队紧密合作，确保模型的实用性和可扩展性; 4. 开发VLM通用模型，解决跨模态对齐、上下文理解与推理等问题，提升模型在复杂场景下的泛化能力和稳定性。结合具体业务需求，探索前沿视觉语言模型技术，推动技术创新与落地应用; 5. 数据处理与自动化：深入参与数据筛选、自动标注和数据挖掘，利用先进的数据处理技术提升数据质量，加速算法从开发到部署的进程; 6. 跟踪深度学习和计算机视觉领域的最新研究成果，将前沿技术应用于实际工作中，不断提升算法性能，满足项目需求; 7. 跨部门协作，根据项目的不同阶段和需求，完成上级安排的其他任务。
1、AI工程研发与优化 • 负责音频内容平台相关的工程、数据、算法落地工作，包含不仅限于营销方向、搜推策略方向、内容理解/生产方向、端智能方向 • 探索生成式AI在音频内容创作中的应用 2、多模态数据处理 • 结合音频、文本、图像等多模态数据，构建跨场景的智能分析模型、用户行为分析等业务需求 • 参与音频内容的知识图谱构建，优化内容分类与检索效率 3、工程化落地与性能优化 • 抽象业务场景，开发能自进化的agent • 熟练使用ai在传统工程领域提效。 4、一人成军 • 未来往超级个体方面培养，一人能完成端到端的业务目标
1. 负责相机模组选型、导入及生产过程中的画质测试评估工作； 2. 负责相机主客观IQ效果调试及评测工作； 3. 负责包括不限于3A、多视角几何、AI等方向相关ISP算法原型预研和迭代； 4. 负责业界新技术持续跟进及竞品分析； 5. 负责算法落地方案设计，方案评估以及方案验证； 6. 完成上级安排的其他工作任务。
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。