TCL项目助理实习生-D625026
任职要求
Qualifications任职要求:
1，本科及以上学历、英语雅思6-7分；
2，熟练电脑操作及Office办公软件，良好的word、ex…工作职责
岗位职责 日常管理工作： 负责新员工的入职引导，包括入职资料的准备、入职手续的办理等。 负责日常部门行政工作，如会议室预约、文件打印、资料归档等，确保部门日常运作的顺畅。 英文文书翻译校对： 校对：仔细审阅译稿，检查语法、拼写、标点符号和格式错误。确保全文术语和风格保持一致。 编写中英文产品使用说明书，会用Indesign 或AI等软件并排版。 启动翻译并跟踪，负责翻译报销，发打样邮件，跟踪打样，样品签样。 负责产品内菜单字串的翻译， 英文校对，发给翻译公司完成多个语言翻译 客户沟通：与客户协作，澄清源文件中任何模糊的指示或内容。就可能出现的翻译难题提供反馈并寻求解决方案。 时间管理：在规定期限内完成翻译和校对任务，高效管理工作量，并根据需要合理安排任务优先级。 事务沟通与传达： 负责部门内外相关事务的咨询、通知、传达及提醒工作，确保信息的及时性和准确性。 协助解决员工在工作中遇到的问题，提高团队整体的工作效率。 项目资料整理： 协助项目的规划及安排，对各类项目资料文件进行收集、整理和分类，确保项目资料的完整性和易于查找。 协助项目经理进行项目进度的跟踪和汇报。 海外需求信息收集： 定期收集、整理和分析海外市场的需求信息，为研发团队提供有力的市场支持。 与海外团队或合作伙伴保持紧密沟通，确保需求信息的准确性和时效性。 产品试产跟进： 协助跟进产品的试产过程，确保试产计划的顺利执行。 团队建设活动： 协助组织部门内部的团队建设活动，增强团队凝聚力和向心力。 参与活动的策划、组织和执行，确保活动的顺利进行，为员工创造良好的工作氛围。
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。
【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。
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